Мы используем технологию cookie для понимания того, как вы пользуетесь нашим сайтом. Под этим подразумевается персонализированный контент и реклама. Для того, чтобы узнать больше - нажмите сюда. Пользуясь данным сайтом вы подтверждаете согласие с нашей политикой. Политика cookie.
Разделы Партнеры Информация LinkXpress
Вход
Реклама на сайте
Ampronix,  Inc

Машинное обучение является перспективным в поддержке медицинских решений

Редакция HospiMedica - Россия
Опубликовано 24 May 2018
Print article
Новые исследования показывают, что машинное обучение может улучшить инструменты цифрового здравоохранения, способствуя выполнению обычных рабочих процессов и помогая врачам оценивать риск пациента (фото любезно предоставлено iStock).
Новые исследования показывают, что машинное обучение может улучшить инструменты цифрового здравоохранения, способствуя выполнению обычных рабочих процессов и помогая врачам оценивать риск пациента (фото любезно предоставлено iStock).
Ряд исследований, представленных на 67-й Ежегодной научной сессии Американской кардиологической коллегии (American College of Cardiology; Вашингтон, округ Колумбия, США), показал, как компьютерное обучение может использоваться для точного прогнозирования клинических исходов у пациентов с известными или потенциальными проблемами сердца. Результаты этих исследований демонстрируют, что машинное обучение может способствовать приходу новой эры инструментов цифрового здравоохранения, которые имеют потенциал улучшить предоставление медицинских услуг, оптимизируя рабочие процессы и помогая врачам оценивать риск пациентов.

Системы и алгоритмы клинических оценок уже давно используются в медицинской практике, хотя в последнее время наблюдается заметное увеличение применения машинного обучения для улучшения этих инструментов. В то время как традиционные алгоритмы требуют, чтобы все вычисления были предварительно запрограммированы, алгоритмы машинного обучения выводят оптимальный набор вычислений путем поиска шаблонов в больших наборах данных пациента. Новые исследования, представленные на научной сессии ACC.18, которая проходила с 10 по 12 марта 2018 года в Орландо, США, продемонстрировали, как машинное обучение может использоваться для прогнозирования диагноза, смерти или повторной госпитализации, улучшения стандартных инструментов оценки рисков, выявления факторов, способствующих прогрессированию болезни, или для продвижения индивидуальной медицины путем прогнозирования реакции пациента на лечение.

Например, в одном исследовании ученые использовали машинное обучение для прогнозирования того, у каких пациентов в конечном итоге будет диагностирован сердечный приступ после посещения отделения неотложной помощи больницы при боли в груди. Хотя боль в груди является одной из наиболее распространенных жалоб у пациентов, посещающих отделение неотложной помощи, только у части таких пациентов в конечном счете диагностируется сердечный приступ. В экспериментальном тесте алгоритм смог точно предсказать диагностику сердечного приступа в 94% случаев в проверочном наборе данных. Исследователи также использовали данные валидации по стандартной клинической модели (модель hsTnT, включающая только возраст, пол и высокочувствительные уровни тропонина пациента), которые показали точность 88%. Эти результаты свидетельствуют о том, что машинное обучение может значительно улучшить существующие инструменты поддержки принятия решений.

"В широком смысле методы машинного обучения существуют довольно давно, но за последние несколько лет мы получили большие наборы данных и вычислительные возможности для их использования в клинических приложениях, — сказал доктор медицины, доктор философии Дэниел Линдхольм (Daniel Lindholm), постдокторант в Уппсальском университете в Швеции и ведущий автор исследования. — Я думаю, что мы увидим все больше систем поддержки принятия решений на основе машинного обучения. Но даже когда машинное обучение сможет улучшить медицинскую практику, я думаю, что эти алгоритмы в конечном итоге не заменят врачей, а, скорее, обеспечат поддержку принятия решений на основе данных. Другие вещи, такие как эмпатия, человеческое суждение и отношения между пациентом и доктором, имеют решающее значение".

Ссылки по теме:
Американская кардиологическая коллегия


Print article
Italray

Каналы

Интенсивная терапия

посмотреть канал
Движущиеся диатомеи H2O2 могут разрушать колонии биопленок (фото любезно предоставлено ACS).

Скруббер с микропузырьками активно удаляет биопленки

Новая антисептическая система использует энергию микропузырьков для продвижения жестких диатомовых водорослей через поверхность... Читать дальше

Хирургия

посмотреть канал
Новое исследование утверждает, что вдыхание оксида азота может уменьшить осложнения, связанные с почками, после операции (фото любезно предоставлено 123RF).

Ингаляционный оксид азота может снизить риск хирургических осложнений

Введение оксида азота (NO) во время и после операции на сердце может снизить риск развития острых и хронических проблем с... Читать дальше

Женское здоровье

посмотреть канал
Употребление марихуаны может оказать пагубное влияние на исходы беременности (фото предоставлено Thinkstock).

Беременным женщинам рекомендовано воздержаться от употребления марихуаны

При составлении новых клинических нормативов вынесено предложение предупреждать женщин, вынашивающих плод, о том, что употребление... Читать дальше

Уход за пациентами

посмотреть канал
Умная таблетница дает возможность эффективного контроля ежедневного приема лекарств (фото любезно предоставлено Qualife).

Умная таблетница улучшает приверженность пациентов к терапии

Умная таблетница станет подходящим решением для людей, вынужденных следовать строгим требованиям осуществления ежедневной... Читать дальше

IT

посмотреть канал
Новое исследование предполагает, что телемедицина может увеличить продолжительность жизни пациента с сердечной недостаточностью (фото любезно предоставлено Alamy).

Телемедицинский контроль за состоянием пациентов повышает продолжительность жизни

По данным нового исследования, телемедицинский контроль за состоянием здоровья снижает частоту госпитализаций и продлевает... Читать дальше

Новости больниц

посмотреть канал
Система NFER позволяет исследователям отслеживать движения медсестер в реальном времени (фото любезно предоставлено Юнг Хиуп Кимом (Jung Hyup Kim) из Университета Миссури).

Система отслеживания медсестер может улучшить рабочий процесс в больницах

Инновационная система использует комбинацию наблюдения в ручном режиме и неинтрузивных датчиков слежения для наблюдения в... Читать дальше
Copyright © 2000-2018 Globetech Media. All rights reserved.