Επιστημονικά Νέα

Αλγόριθμος Μηχανική Μάθηση: Προβλέπει με επιτυχία ποια κρούσματα covid – 19 χρειάζονται νοσηλεία σε ΜΕΘ

Αλγόριθμος Μηχανική Μάθηση: Προβλέπει με επιτυχία ποια κρούσματα covid – 19 χρειάζονται νοσηλεία σε ΜΕΘ

Αμερικανοί ερευνητές αναφέρουν ότι ανέπτυξαν έναν αλγόριθμο μηχανικής μάθησης που προβλέπει ποιοι ασθενείς με πνευμονία Covid-19 θα χρειαστούν νοσηλεία στην εντατική.

Αλγόριθμος Μηχανική Μάθηση: Ο αλγόριθμος σχεδιάζεται να δοκιμαστεί στο διάσημο Γενικό Νοσοκομείο Μασαχουσέτης. Οι γιατροί που πασχίζουν να διαχειριστούν την καταιγίδα κρουσμάτων κορωνoϊού ίσως θα έχουν στο μέλλον τη βοήθεια ενός από μηχανής θεού.

Αμερικανοί ερευνητές αναφέρουν ότι ανέπτυξαν έναν αλγόριθμο μηχανικής μάθησης που προβλέπει ποιοι ασθενείς με πνευμονία Covid-19 θα χρειαστούν νοσηλεία στην εντατική.

Οι αλγόριθμοι μηχανικής μάθησης είναι ένα είδος τεχνητής νοημοσύνης που μαθαίνει μέσα από παραδείγματα. Προηγούμενες μελέτες έχουν δείξει για παράδειγμα ότι τέτοια συστήματα υπερβαίνουν τις επιδόσεις των ακτινολόγων στην εξέταση απεικονιστικών δεδομένων για μια ποικιλία παθήσεων.

Συνδυασμός δεδομένων

Στη νέα μελέτη, η οποία δημοσιεύεται στην επιθεώρηση ακτινολογίας Medical Image Analysis, ερευνητές του Πολυτεχνικού Ινστιτούτου Ρενσιλίαρ της Νέας Υόρκης αναφέρουν ότι η μέθοδός τους συνδυάζει αξονικές τομογραφίες (από τις οποίες υπολογίζεται η έκταση της βλάβης στους πνεύμονες) με μη απεικονιστικά δεδομένα όπως τα αποτελέσματα εργαστηριακών εξετάσεων, τα ζωτικά σημεία και τα δημογραφικά δεδομένα των ασθενών.

Οι επιδόσεις της τεχνητής νοημοσύνης εξετάστηκαν σε 295 περιπτώσεις ασθενών που νοσηλεύτηκαν με Covid-19 σε τρία νοσοκομεία – ένα στις ΗΠΑ, ένα στο Ιράν και ένα τρίτο στην Ιταλία.

Οι προβλέψεις του αλγόριθμου σχετικά με το ποιοι ασθενείς θα χρειάζονταν νοσηλεία σε ΜΕΘ συγκρίθηκαν με την πραγματική έκβαση των περιστατικών. Και όπως διαπιστώθηκε, το σύστημα προέβλεψε με επιτυχία ποια κρούσματα θα χρειάζονταν νοσηλεία στην εντατική.

Καρδιαγγειακός κίνδυνος

Όπως δήλωσε ο επικεφαλής της μελέτης δρ Γιάν Πίνγκουν, επίκουρος καθηγητής Βιοϊατρικής Μηχανικής, επόμενο βήμα της ερευνητικής προσπάθειας θα είναι ο συνδυασμός του νέου αλγορίθμου με ένα σύστημα τεχνητής νοημοσύνης που είχε αναπτυχθεί παλαιότερα από την ίδια ομάδα για την αξιολόγηση του καρδιαγγειακού κινδύνου σε αξονικές τομογραφίες.

«Γνωρίζουμε ότι ένας βασικός παράγοντας στη θνησιμότητα της Covid-19 είναι το εάν ο ασθενής πάσχει από υποκείμενα νοσήματα όπως η καρδιοπάθεια, η οποία είναι σημαντική συννοσηρότητα» λέει ο δρ Γιάν.

«Το κατά πόσο αυτό επηρεάζει την εξέλιξη της Covid-19 είναι σήμερα μάλλον υποκειμενική εκτίμηση. Πρέπει επομένως να ποσοτικοποιήσουμε τις επιπτώσεις των καρδιακών παθήσεων και στη συνέχεια να προσδιορίσουμε πώς τις συνυπολογίζουμε στις προβλέψεις» εξηγεί.

Δοκιμές στην πράξη

Εφόσον τελειοποιηθεί, ο αλγόριθμος σχεδιάζεται να χρησιμοποιηθεί στην πράξη από το διάσημο Γενικό Νοσοκομείο της Μασαχουσέτης για την αξιολόγηση των περιστατικών Covid-19.

Στο μέλλον, λέει ο δρ Γιάνγκ, η ίδια προσέγγιση θα μπορούσε να εφαρμοστεί και σε άλλες παθήσεις του αναπνευστικού συστήματος προκειμένου να υπολογίζεται ο κίνδυνος επιπλοκών ή θανάτου.

Η μελέτη πραγματοποιήθηκε με κονδύλι από τα αμερικανικά Εθνικά Ινστιτούτα Υγείας, στο πλαίσιο της έκτακτης χρηματοδότησης για την ανάπτυξη ιατρικών εργαλείων κατά του πανδημικού κορωνοϊού.

Διαβάστε όλες τις τελευταίες Ειδήσεις για την υγεία από την Ελλάδα και τον Κόσμο
Ακολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις

Διαβάστε Eπίσης:

Εφαρμογή τεχνητής νοημοσύνης ‘νικά’ την κατάθλιψη

Ο αλγόριθμος συμβάλλει στη βελτίωση της ανίχνευσης στεφανιαίου ασβεστίου

Πως οι αλγόριθμοι βελτιώνουν τις υπηρεσίες υγείας

Αλγόριθμος ανιχνεύει τις εγκεφαλικές αιμορραγίες

Αλγόριθμος εξατομικεύει τις μεταλλάξεις καρκίνου

svg%3E svg%3E
svg%3E
svg%3E
Περισσότερα

Ο Covid εμβολιασμός των γονιών προστατεύει τα παιδιά

Γονικός εμβολιασμός Covid: Ο γονικός εμβολιασμός παρέχει ουσιαστική προστασία στα παιδιά που ζουν στο ίδιο νοικοκυριό, καθώς δεν προστατεύει μόνο τα εμβολιασμένα άτομα, αλλά και τα αγαπημένα τους πρόσωπα.

Παράγοντες κινδύνου που αυξάνουν τις πιθανότητες μακράς covid σύμφωνα με μελέτη

Αυτές οι καταστάσεις μπορεί να παρουσιάζονται ως διαφορετικοί τύποι και συνδυασμοί προβλημάτων υγείας. Μερικοί άνθρωποι που είχαν σοβαρή ασθένεια με COVID-19 εμφανίζουν πολυοργανικές επιδράσεις ή αυτοάνοσες καταστάσεις και τα παιδιά μπορεί να εμφανίσουν πολυσυστημικό φλεγμονώδες σύνδρομο (MIS).

Η υγεία του εντέρου παίζει ρόλο στην γνωστική λειτουργία μας;

Άνοια μικροβίωμα: Το δίκτυο επικοινωνίας μεταξύ του εντέρου και του εγκεφάλου είναι γνωστό ως "άξονας εντέρου-εγκεφάλου" και η αλληλεπίδραση αυτή μπορεί να αλλάξει ανάλογα με τη σύνθεση της μικροχλωρίδας του εντέρου.