Τεχνολογία

Βαθιά μάθηση: Βελτιώνει τη διαλογή ατόμων με οξύ πόνο στο στήθος

Βαθιά μάθηση: Βελτιώνει τη διαλογή ατόμων με οξύ πόνο στο στήθος

Βαθιά μάθηση: Ερευνητές αναγνώρισαν τη βαθιά μάθηση ως έναν πιθανό τρόπο για τον εντοπισμό ασθενών υψηλού κινδύνου και ως εκ τούτου την επιτάχυνση της διάγνωσης βελτιώνοντας παράλληλα τη χρήση των πόρων.

Ο πόνος στο στήθος αντιπροσωπεύει περίπου το 10% των επισκέψεων στο τμήμα επειγόντων περιστατικών. Τα συμπτώματα μπορεί να προκληθούν από οξύ στεφανιαίο σύνδρομο, πνευμονική εμβολή ή αορτική ανατομή, αλλά μόνο μια μειοψηφία ασθενών που παρουσιάζουν ACP διαγιγνώσκονται με αυτές τις σοβαρές καρδιαγγειακές παθήσεις. Ως εκ τούτου, οι γιατροί πρέπει να λαμβάνουν πολύ σοβαρά υπόψη όλες τις περιπτώσεις ACP, παρά το γεγονός ότι οι περισσότεροι ασθενείς είναι χαμηλού κινδύνου. Ερευνητές στο Γενικό Νοσοκομείο της Μασαχουσέτης αναγνώρισαν τη βαθιά μάθηση ως έναν πιθανό τρόπο για τον εντοπισμό ασθενών υψηλού κινδύνου και ως εκ τούτου την επιτάχυνση της διάγνωσης βελτιώνοντας παράλληλα τη χρήση των πόρων.

Το έργο επικεντρώθηκε στις ακτινογραφίες θώρακος στις οποίες οι ασθενείς με ACP συχνά υποβάλλονται σε πρώιμο στάδιο της φροντίδας. Εφαρμόζοντας βαθιά μάθηση στις εικόνες, οι συνεργάτες εκπαίδευσαν ένα μοντέλο για να εντοπίζει σημάδια στις σαρώσεις ότι ένα άτομο μπορεί να έχει μία από τις καρδιαγγειακές παθήσεις. Το μοντέλο βαθιάς μάθησης πέτυχε ακρίβεια 0,85, σε μια κλίμακα που κυμαίνεται από 0,5 (τυχαία) έως 1,0 (τέλειο) στην πρόβλεψη ενός σύνθετου καταληκτικού σημείου 30 ημερών των καρδιαγγειακών παθήσεων και της θνησιμότητας από κάθε αιτία. Ο Δρ Márton Kolossváry, ερευνητής ακτινολογίας στο Γενικό Νοσοκομείο της Μασαχουσέτης, περιέγραψε τη σημασία των ευρημάτων σε μια δήλωση.

«Αναλύοντας την αρχική ακτινογραφία θώρακος αυτών των ασθενών χρησιμοποιώντας το αυτοματοποιημένο μοντέλο βαθιάς μάθησης, μπορέσαμε να παρέχουμε πιο ακριβείς προβλέψεις σχετικά με τα αποτελέσματα των ασθενών σε σύγκριση με ένα μοντέλο που χρησιμοποιεί πληροφορίες ηλικίας, φύλου, τροπονίνης ή d-dimer. Τα αποτελέσματά μας δείχνουν ότι οι ακτινογραφίες θώρακα θα μπορούσαν να χρησιμοποιηθούν για να βοηθήσουν στη διαλογή ασθενών με πόνο στο στήθος στο τμήμα επειγόντων περιστατικών», είπε ο Kolossváry.

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:

Η μηχανική μάθηση μπορεί να προβλέψει την ανάπτυξη όγκων του εγκεφάλου

Αλγόριθμος βαθιάς μάθησης μπορεί να ακούσει το αλκοόλ στη φωνή

Ο μακροχρόνιος βήχας μπορεί να είναι σημάδι αλλεπάλληλων μολύνσεων

Πόσοι τύποι απινιδωτών υπάρχουν;

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

Η ραγδαία εξέλιξη της τεχνητής νοημοσύνης θα μπορούσε να επιταχύνει την υιοθέτηση της τετραήμερης εργασίας.

Ωστόσο, ορισμένοι κλάδοι θα επωφεληθούν από την εν λόγω τεχνολογία περισσότερο από άλλους – κυρίως εκείνοι που είναι σε θέση να χρησιμοποιήσουν εργαλεία γενετικής τεχνητής νοημοσύνης για εργασίες, όπως η ανάπτυξη λογισμικού, η δημιουργία περιεχομένου, το μάρκετινγκ και οι νομικές υπηρεσίες, σύμφωνα με την Φου.

Τεχνητή νοημοσύνη προβλέπει τον κίνδυνο καρκίνου του ήπατος

AI ήπαρ: Η πιλοτική τεχνολογία μπορεί να είναι σε θέση να δώσει στους γιατρούς κρίσιμες πληροφορίες για να εξετάσουν τους ασθενείς πιο προσεκτικά και έτσι να προσφέρει πιο εξατομικευμένη φροντίδα.