AI: Ένας αλγόριθμος βαθιάς μάθησης μπορεί να διακρίνει το πολυσυστημικό φλεγμονώδες σύνδρομο στα παιδιά (MIS-C), τη νόσο Kawasaki και άλλες παρόμοιες εμπύρετες ασθένειες στα παιδιά
Ένας αλγόριθμος βαθιάς μάθησης που ονομάζεται KIDMATCH μπορεί να διακρίνει το πολυσυστημικό φλεγμονώδες σύνδρομο στα παιδιά (MIS-C), τη νόσο Kawasaki και άλλες παρόμοιες εμπύρετες ασθένειες στα παιδιά, σύμφωνα με μια μελέτη που δημοσιεύτηκε στο τεύχος Οκτωβρίου του The Lancet Digital Health.
Αλγόριθμος τεχνητής νοημοσύνης κάνει διάγνωση ασθενειών
Ο Jonathan Y. Lam, από το Πανεπιστήμιο της Καλιφόρνια στο Σαν Ντιέγκο, και οι συνεργάτες του ανέπτυξαν και επικύρωσαν έναν αλγόριθμο τεχνητής νοημοσύνης που μπορεί να διακρίνει το MIS-C, τη νόσο Kawasaki και άλλες παρόμοιες εμπύρετες ασθένειες και να βοηθήσει στη διάγνωση ασθενών στο τμήμα επειγόντων περιστατικών και ρύθμιση οξείας φροντίδας.
Οι ερευνητές ανέπτυξαν το KIDMATCH για να συμπεριλάβει την ηλικία των ασθενών, τα πέντε κλασικά κλινικά σημεία της νόσου Kawasaki και 17 εργαστηριακές μετρήσεις. Το KIDMATCH πέτυχε μια διάμεση περιοχή κάτω από τη χαρακτηριστική καμπύλη λειτουργίας του δέκτη κατά την εσωτερική επικύρωση 98,8 τοις εκατό στο πρώτο στάδιο και 96,0 τοις εκατό στο δεύτερο στάδιο. Κατά τη διάρκεια της εξωτερικής επικύρωσης, το KIDMATCH ταξινόμησε σωστά 76 από 81 ασθενείς με MIS-C (94 τοις εκατό ακρίβεια, δύο απορρίφθηκαν με σύμφωνη πρόβλεψη) από 14 νοσοκομεία στην κοινοπραξία CHARMS Study Group, 47 από 49 ασθενείς (96 τοις εκατό ακρίβεια, ένας απορρίφθηκε από σύμφωνη πρόβλεψη ) από το Νοσοκομείο Παίδων της Βοστώνης και 36 από τους 40 ασθενείς (90 τοις εκατό ακρίβεια, δύο απορρίφθηκαν από σύμφωνη πρόβλεψη) από το Εθνικό Νοσοκομείο Παίδων.
«Το KIDMATCH έχει τη δυνατότητα να βοηθήσει τους κλινικούς ιατρούς πρώτης γραμμής να διακρίνουν μεταξύ του MIS-C, της νόσου Kawasaki και άλλων παρόμοιων εμπύρετων ασθενειών για να επιτρέψει την έγκαιρη θεραπεία και την πρόληψη σοβαρών επιπλοκών», γράφουν οι συγγραφείς.
Διαβάστε όλες τις τελευταίες Ειδήσεις για την υγεία από την Ελλάδα και τον ΚόσμοΑκολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις
