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
Advantech Europe

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

Каналы

Интенсивная терапия

посмотреть канал
В новом исследовании предполагается, что наблюдение за приемом антибиотиков может уменьшить число ненужных назначений лекарств (фото любезно предоставлено Getty Images).

Онлайн-поддержка способствует сокращению случаев излишнего назначения антибиотиков

Новое исследование показывает, что электронные отзывы о назначении лекарств и поддержка принятия решений в режиме онлайн... Читать дальше

Хирургия

посмотреть канал
Новое исследование дает основание предполагать, что комплекс упражнений, выполняемый до проведения хирургической операции, уменьшает воздействие реперфузии (фото любезно предоставлено фотобанком Getty Images).

Комплекс упражнений защищает мышцы и нервы от реперфузионного повреждения

Результаты недавно проведенного исследования показывают, что комплекс упражнений может защитить как мышцы, так и нервы от... Читать дальше

Женское здоровье

посмотреть канал
Профессор Марк Праусниц (Mark Prausnitz) демонстрирует экспериментальный микроигольный кожный пластырь, выполняющий функцию противозачаточного средства (фото любезно предоставлено Кристофером Муром (Chritopher Moore)/ Технологическим Институтом штата Джорджия).

Микроигольный пластырь выполняет роль противозачаточного средства длительного действия

Новое исследование показывает, как противозачаточное средство длительного действия, разработанное для самостоятельного применения,... Читать дальше

Уход за пациентами

посмотреть канал
Персонализированная платформа для реабилитации походки Optimal-G Pro (фото любезно предоставлено компанией Motorika).

Персонализированная роботизированная платформа поможет в реабилитации пациентов с дезорганизованной походкой

Улучшенная система реабилитации походки использует усовершенствованную технологию интеллектуального обучения (enhanced learning... Читать дальше

IT

посмотреть канал
Физические 3D-модели аортальных сердечных клапанов пациента (фото любезно предоставлено Институтом Висса).

Параметрическое моделирование помогает определить размер протезного клапана

В новом исследовании описывается, каким образом трехмерная (3D) печать может оценить, как клапаны разных размеров будут ... 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 © 2000-2019 Globetech Media. All rights reserved.