AI 90% pontos a szívroham halálának előrejelzésében?

üres
Kérjük, ossza meg ezt a történetet!
image_pdfimage_print
Amikor a biztosítótársaságok, a HMO-k, a gyógyszerek stb. Bevezetik ezt a technológiát, a betegek rohamosan megkülönböztetést tapasztalnak az AI-egészségügyi pontszámuk alapján; elvégre, ki adna el életbiztosítási kötvényt valakinek, aki hamarosan meghal? ⁃ TN szerkesztő

A Netflix és a Spotify által a szolgáltatások testreszabásához alkalmazott algoritmusok jobbak, mint az emberi orvosok azon pontozáskor, akik meghalnak vagy szívrohamot szenvednek.

A gépi tanulást a LogitBoost kiképzéséhez használták, mely fejlesztői szerint 90 százalékos pontossággal képes előre jelezni a halált vagy a szívrohamot.

Úgy programozták, hogy az 85 változókat kiszámítsák az 950 betegek egészségére gyakorolt ​​kockázatokra, amelyekből szkennelés és adatok származtak.

A mellkasi fájdalomra panaszkodó betegeket számos vizsgálat és vizsgálat tesztelte, mielőtt a hagyományos módszerekkel kezelték őket.

Az adatokat később felhasználták az algoritmus kiképzéséhez.

„Megtanulta” a kockázatokat, és a hatéves nyomon követés során 90 százalékos sikerességi rátával rendelkezett az 24 szívroham és az 49 bármilyen okból bekövetkező haláleset előrejelzésében.

A LogitBoost, amelyet 85 változók felhasználására programoztak, hogy kiszámítsák a mellkasi fájdalomról panaszkodó személy egészségét. A betegeknek koszorúér számítógépes tomográfia angiográfiát (CCTA) végeztek (képen, állomány vizsgálat), amely az adatpontok 58 értékét gyűjtötte össze

Az olyan szolgáltatások, mint a Netflix és a Spotify rendszerek, az algoritmusokat hasonló módon használják, hogy alkalmazkodjanak az egyes felhasználókhoz, és személyre szabottabb megjelenést biztosítsanak.

A tanulmány szerzője, Dr. Luis Eduardo Juarez-Orozco, a finnországi Turku PET Központ szerint ezek az előrelépések túlmutatnak az orvostudományon.

Azt mondta: „Ezek az előrelépések messze meghaladják az orvostudományban elért eredményeket, ahol óvatosnak kell lennünk a kockázatok és az eredmények értékelése szempontjából.

"Megvannak az adatok, de még nem használjuk ki teljes kihasználtságuk szerint."

Az orvosok a kockázati pontszámokat használják a kezelési döntések meghozatalához - de ezek a pontszámok csak egy-egy maroknyi változón alapulnak a betegekben.

Az ismétlés és a beállítás révén a gépek nagy mennyiségű adatot használnak az összetett minták azonosítására, amelyek az emberek számára nem nyilvánvalóak.

Dr. Juarez-Orozco azt mondta: „Az embereknek nagyon nehéz gondolkodniuk három vagy négy dimenzión túl.

'Abban a pillanatban, amikor az ötödik dimenzióba ugorunk, eltévedtünk.

"Tanulmányunk kimutatja, hogy a nagyon magas dimenziós minták hasznosabbak, mint az egydimenziós minták, hogy előre jelezzék az eredményeket az egyénekben, és ehhez gépi tanulásra van szükségünk."

Olvassa el a teljes történetet itt ...

Csatlakozz a levelező listánkhoz!


avatar
Iratkozz fel
Értesítés