προσδιορισμός

Η ομάδα του Mount Sinai θα μελετήσει στη συνέχεια έναν αλγόριθμο τεχνητής νοημοσύνης που θα χτιστεί πάνω στην αναπνευστική επιβάρυνση για να αντικαταστήσει τον δείκτη άπνοιας-υπόπνοιας AHI και να εντοπίσει ποιοι ασθενείς θα επωφεληθούν από τη θεραπεία με συνεχή θετική πίεση των αεραγωγών (CPAP), τη θεραπεία πρώτης γραμμής στην υπνική άπνοια, κατά προτίμηση με ένα πιο φυλετικά και εθνοτικά ποικιλόμορφο σύνολο δεδομένων ασθενών.

Οι ερευνητές ελπίζουν τώρα να επεκτείνουν το μοντέλο τους για να συμπεριλάβουν άλλους τύπους δεδομένων, όπως παθολογικές εικόνες και ακτινολογικές εικόνες, ώστε να παρέχουν μια πιο ολοκληρωμένη πρόβλεψη με τη χρήση πολλαπλών τρόπων δεδομένων. Αυτό θα παρείχε επίσης στο μοντέλο μια ολοκληρωμένη προοπτική των όγκων, επιτρέποντάς του να προβλέψει όχι μόνο τον τύπο του όγκου και την έκβαση του ασθενούς, αλλά ενδεχομένως ακόμη και τη βέλτιστη θεραπεία.

Στο σύνολό τους, τα ευρήματα προστίθενται στις αυξανόμενες ενδείξεις ότι οι εκτεταμένες αλλαγές στο ανοσολογικό και το αυτόνομο νευρικό σύστημα μπορεί να συμβάλλουν στη Long COVID. Τα αποτελέσματα μπορούν να βοηθήσουν τους ερευνητές να χαρακτηρίσουν καλύτερα την πάθηση και να διερευνήσουν πιθανές θεραπευτικές στρατηγικές, όπως η ανοσοθεραπεία.

"Αυτό το μοντέλο δεν μιμείται τις μακροπρόθεσμες παρενέργειες. Αλλά είναι μια μεγάλη ανησυχία επειδή πολλές ασθενείς με καρκίνο του μαστού επιβιώνουν και οι παρενέργειες δεν εξαφανίζονται πάντοτε.