Η ομάδα καταλήγει προτείνοντας ότι το σύστημά τους θα μπορούσε σύντομα να χρησιμοποιηθεί για τον έλεγχο ασθενών για ΧΑΠ, τροφοδοτώντας το με δεδομένα spirogram. Σημειώνουν επίσης ότι θα μπορούσε να χρησιμοποιηθεί σε νέες ερευνητικές προσπάθειες που αποσκοπούν στην πληρέστερη κατανόηση του τρόπου με τον οποίο ξεκινά η ΧΑΠ στους πνεύμονες και γιατί μερικές φορές εξελίσσεται τόσο γρήγορα.
ΧΑΠ: Μια ομάδα ιατρικών ερευνητών, μηχανικών και επιστημόνων πληροφορικής που συνδέονται με πολλά ιδρύματα στις ΗΠΑ διαπίστωσε ότι η τεχνολογία μηχανικής μάθησης μπορεί να βοηθήσει τους γιατρούς να προβλέψουν ποιοι ασθενείς κινδυνεύουν να αναπτύξουν ΧΑΠ. Στη μελέτη τους, η οποία παρουσιάστηκε στο περιοδικό Nature Genetics, η ομάδα εκπαίδευσε ένα δίκτυο βαθιάς μάθησης χρησιμοποιώντας δεδομένα σπιρογραφήματος ασθενών για να προβλέψει την ανάπτυξη ΧΑΠ. Η ΧΑΠ είναι η τρίτη συχνότερη αιτία θανάτου παγκοσμίως. Ο όρος περιγράφει έναν μεγάλο αριθμό αποφρακτικών πνευμονικών διαταραχών, όπως το άσθμα, η βρογχίτιδα και το εμφύσημα.
Προηγούμενες έρευνες έχουν δείξει ότι όσο νωρίτερα αντιμετωπίζεται η ΧΑΠ, τόσο νωρίτερα μπορούν να εφαρμοστούν οι θεραπείες, επιβραδύνοντας την εξέλιξή της. Για τον λόγο αυτό, οι ιατρικοί επιστήμονες έχουν εργαστεί σκληρά για να βρουν νέους τρόπους για να εντοπίζουν τους ασθενείς που διατρέχουν τον μεγαλύτερο κίνδυνο. Σε αυτή τη νέα προσπάθεια, η ερευνητική ομάδα εφάρμοσε τη μηχανική μάθηση στο έργο αυτό. Οι ερευνητές εκπαίδευσαν ένα βαθύ συνελικτικό νευρωνικό δίκτυο για να αναγνωρίζει τη διαφορά μεταξύ των ατόμων με ΧΑΠ και εκείνων που δεν την έχουν. Τα δεδομένα για τη διδασκαλία του συστήματος προήλθαν από ιατρικά αρχεία ασθενών, συστήματα ταξινόμησης πιθανών διαγνώσεων και σπειρογράμματα. Τα σπιρογραφήματα δημιουργούνται με τη χορήγηση σπιρομέτρησης στους ασθενείς, κατά την οποία οι ασθενείς φυσούν σε μια συσκευή που μοιάζει με σωλήνα και συνδέεται με ένα μηχάνημα που υπολογίζει τη δύναμη των πνευμόνων. Αφού το σύστημα μπορούσε να διακρίνει τους υγιείς πνεύμονες από εκείνους με ΧΑΠ, η ομάδα πρόσθεσε δεδομένα βαθμολογίας ευθύνης που έχουν συγκεντρωθεί επί πολλά χρόνια για να βοηθήσουν στον εντοπισμό της πρώιμης ΧΑΠ σε ασθενείς. Στη συνέχεια έτρεξαν το σύστημα σε δεδομένα από 325.000 ασθενείς της βρετανικής βιοτράπεζας, τα οποία περιλάμβαναν σπειρογραφήματα. Και το τροφοδότησαν επίσης με δεδομένα κινδύνου από συμμετέχοντες σε διάφορες άλλες πρωτοβουλίες που σχετίζονται με την υγειονομική περίθαλψη. Διαπίστωσαν ότι ήταν σε θέση να εκπαιδεύσουν το σύστημα να εντοπίζει πολύ πρώιμα σημάδια ΧΑΠ σε ασθενείς.
Η ομάδα καταλήγει προτείνοντας ότι το σύστημά τους θα μπορούσε σύντομα να χρησιμοποιηθεί για τον έλεγχο ασθενών για ΧΑΠ, τροφοδοτώντας το με δεδομένα spirogram. Σημειώνουν επίσης ότι θα μπορούσε να χρησιμοποιηθεί σε νέες ερευνητικές προσπάθειες που αποσκοπούν στην πληρέστερη κατανόηση του τρόπου με τον οποίο ξεκινά η ΧΑΠ στους πνεύμονες και γιατί μερικές φορές εξελίσσεται τόσο γρήγορα.
Ακολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις
Ακολουθήστε το healthweb.gr στο κανάλι μας στο YouTube
