Search Icon
ΑΝΑΖΗΤΗΣΗ
Τεχνολογία

Νέο εργαλείο AI μπορεί και προβλέπει ιατρικά συμβάντα

Νέο εργαλείο AI μπορεί και προβλέπει ιατρικά συμβάντα

Το εργαλείο - που ονομάζεται Foresight - εκπαιδεύεται σε υπάρχοντα δεδομένα υγειονομικής περίθαλψης και χρησιμοποιεί μια προσέγγιση βαθιάς μάθησης.


Μια νέα μελέτη με επικεφαλής το Institute of Psychiatry, Psychology & Neuroscience (IoPPN) στο King’s College του Λονδίνου έδειξε τη δυνατότητα ενός εργαλείου AI που ανέπτυξαν για να προβλέψει την πορεία της υγείας των ασθενών προβλέποντας μελλοντικές διαταραχές, συμπτώματα, φάρμακα και διαδικασίες. Σύμφωνα με την ομάδα ερευνητών του King’s College London, UCL, του King’s College Hospital NHS Foundation Trust και του Guy’s and St Thomas’ NHS Foundation Trust, αυτά τα αποτελέσματα δείχνουν ότι το εργαλείο θα μπορούσε να χρησιμοποιηθεί:

  • για την υποστήριξη της λήψης κλινικών αποφάσεων,
  • της παρακολούθησης σε περιβάλλοντα υγειονομικής περίθαλψης
  • και για τη βελτίωση των κλινικών δοκιμών.

 

Το εργαλείο – που ονομάζεται Foresight – εκπαιδεύεται σε υπάρχοντα δεδομένα υγειονομικής περίθαλψης και χρησιμοποιεί μια προσέγγιση βαθιάς μάθησης για να αναγνωρίζει πολύπλοκα μοτίβα τόσο στα δομημένα όσο και στα μη δομημένα δεδομένα των ηλεκτρονικών αρχείων υγείας για να παράγει πληροφορίες και προβλέψεις. Ανήκει στην ίδια οικογένεια μοντέλων τεχνητής νοημοσύνης με το ChatGPT, αλλά, σε αντίθεση με το ChatGPT που εκπαιδεύεται σε δημόσια διαθέσιμες πληροφορίες, το Foresight εκπαιδεύεται σε πληροφορίες από ηλεκτρονικά αρχεία υγείας του NHS.

Η μελέτη, που δημοσιεύτηκε στο The Lancet Digital Health, διερεύνησε την ακρίβεια των ιατρικών προβλέψεων του Foresight συγκρίνοντάς τες με αυτό που πραγματικά συνέβη στους ασθενείς όπως περιγράφεται στα αρχεία τους. Χρησιμοποιώντας δεδομένα από περισσότερους από 811.000 ασθενείς από το King’s College Hospital NHS Foundation Trust, το South London και το Maudsley NHS Foundation Trust και το MIMIC-III—ένα δημόσια διαθέσιμο σύνολο δεδομένων ασθενών από το Beth Israel Deaconess Medical Center στις ΗΠΑ, οι ερευνητές εκπαίδευσαν τρία διαφορετικά μοντέλα Πρόβλεψη.

Οι ερευνητές εξήγαγαν και επεξεργάστηκαν τα αδόμητα (ελεύθερο κείμενο) και δομημένα δεδομένα (ηλικία, εθνικότητα και φύλο) στα ηλεκτρονικά αρχεία υγείας χρησιμοποιώντας το CogStack. Τα σύνολα δεδομένων χρησιμοποιήθηκαν για την εκπαίδευση της Προοπτικής Διερεύνησης και η απόδοση μετρήθηκε συγκρίνοντας τις προβλέψεις της για αληθινά αποτελέσματα σε ένα μικρότερο υποσύνολο αυτών των δεδομένων. Η Προοπτική Διερεύνηση εκπαιδεύτηκε σε δεδομένα στο πλαίσιο του NHS και της διακυβέρνησης ασθενών και εντός του τείχους προστασίας του νοσοκομείου NHS.

Κατά την πρόβλεψη των επόμενων 10 πιθανών διαταραχών που θα μπορούσαν να εμφανιστούν στη συνέχεια σε ένα χρονοδιάγραμμα ασθενούς, οι δοκιμές έδειξαν ότι η Προοπτική Διάγνωση αναγνώρισε σωστά την επόμενη διαταραχή 68% και 76% των περιπτώσεων σε δύο καταπιστεύματα του ΕΣΥ του Ηνωμένου Βασιλείου (King’s College Hospital NHS Foundation Trust και South London και Maudsley NHS Foundation Trust) και το 88% του χρόνου στο σύνολο δεδομένων MIMIC-III των ΗΠΑ. Ομοίως, κατά την πρόβλεψη της επόμενης νέας βιοϊατρικής ιδέας που θα μπορούσε να είναι μια διαταραχή, σύμπτωμα, υποτροπή ή φαρμακευτική αγωγή, η ακρίβεια που επιτεύχθηκε με την Προοπτική Διερεύνηση ήταν 80%, 81% και 91% αντίστοιχα.

Η μελέτη δείχνει ότι η Προοπτική Διερεύνηση μπορεί να επιτύχει υψηλά επίπεδα ακρίβειας στην πρόβλεψη των τροχιών υγείας των ασθενών, αποδεικνύοντας ότι θα μπορούσε να είναι ένα πολύτιμο εργαλείο για να βοηθήσει στη λήψη αποφάσεων και να ενημερώσει την κλινική έρευνα. Ο προτεινόμενος σκοπός της Προοπτικής Διερεύνησης δεν είναι να επιτρέψει στους ασθενείς να αυτοδιάγνωσουν ή προβλέψει το μέλλον τους, αλλά θα μπορούσε ενδεχομένως να χρησιμοποιηθεί ως βοήθημα από τους κλινικούς ιατρούς για να βεβαιωθείτε ότι δεν θα χαθεί μια διάγνωση ή για τη συνεχή παρακολούθηση των ασθενών για πρόβλεψη κινδύνου σε πραγματικό χρόνο.

 

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
Ακολουθήστε το healthweb.gr στο κανάλι μας στο YouTube

Διαβάστε Eπίσης:

Neuralink: Τετραπληγικός παίζει σκάκι με εμφύτευμα εγκεφάλου

Η τεχνητή νοημοσύνη βοηθά ή βλάπτει την απόδοση των ακτινολόγων;

Η τεχνητή νοημοσύνη βοηθά ή βλάπτει την απόδοση των ακτινολόγων; Εξαρτάται από τον γιατρό

Μοναδικά χαρακτηριστικά της γλώσσας που αποκαλύπτονται από την AI & 3D Imaging

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

Σαρώσεις προβλέπουν τις γλωσσικές ικανότητες παιδιών με ΔΑΦ

Σαρώσεις εγκεφάλου: Μελετώντας την εγκεφαλική δραστηριότητα κατά τη διάρκεια γλωσσικών εργασιών, οι ερευνητές μπορούν να εντοπίσουν τις περιοχές του εγκεφάλου που είναι υπεύθυνες για την παραγωγή και κατανόηση της γλώσσας.

Tεστ DNA για την βακτηριακή κολπίτιδα

Βακτηριακή κολπίτιδα: Eρευνητές ανέπτυξαν ένα απλό εργαστηριακό τεστ βασισμένο σε DNA PCR, σε μια πιο λεπτομερή γενετική ανάλυση της κύριας ομάδας βακτηριακών οργανισμών που προκαλούν τη μόλυνση.

Πώς η φορητή τεχνολογία μεταμορφώνει τη φροντίδα των ποδιών

Φορητή τεχνολογία: Είναι ένα σημαντικό βήμα προς τα εμπρός για την υγεία των ποδιών. Προσφέρει έγκαιρες προειδοποιήσεις και εξατομικευμένες πληροφορίες πέρα ​​από την παραδοσιακή μέθοδο.

Πώς οι μαγνητικές σαρώσεις εντοπίζουν 6 τύπους κατάθλιψης 

Μαγνητικές σαρώσεις: Αυτές οι ανακαλύψεις με τη χρήση μαγνητικών σαρώσεων προτείνουν ότι η κατάθλιψη δεν είναι μια ενιαία διαταραχή αλλά ένα σύνθετο φαινόμενο με πολλές υποκατηγορίες, καθένα από τα οποία απαιτεί διαφορετική προσέγγιση στη διάγνωση και θεραπεία.

Η ανάπτυξη μίνι εντέρων βοηθά τη νόσο Crohn

Νόσος Crohn: Οι μίνι εντερικές καλλιέργειες μπορούν να παρέχουν πληροφορίες σχετικά με το πώς οι διαφορετικοί τύποι φλεγμονής επηρεάζουν την εντερική λειτουργία.

Μίνι κυλιόμενο ρομπότ παίρνει εικονικές βιοψίες

Ρομποτική: Είναι η πρώτη φορά που κατέστη δυνατή η δημιουργία τρισδιάστατων εικόνων υπερήχων υψηλής ανάλυσης που λαμβάνονται από έναν ανιχνευτή βαθιά μέσα στη γαστρεντερική οδό ή στο έντερο.

Close Icon