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
Direct Effect Media/Illumina

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
FIME - Informa
Radcal

Каналы

Интенсивная терапия

посмотреть канал
Окрашенные клетки эпидермиса, культивированные на пептиде A5G81 (фото предоставлено Guillermo Ameer /Northwestern University).

Антиоксидантный перевязочный материал ускоряет заживление ран у диабетиков

Как утверждается в новом исследовании, гидрогелевая регенерирующая повязка, принимающая форму тела, способна активировать... Читать дальше

Хирургия

посмотреть канал
Внутриматочный тампонадный баллон (фото любезно предоставлено Alpha Image).

Внутриматочная баллонная тампонада улучшает остановку кровотечения

В новом исследовании было продемонстрировано, что использование внутриматочного баллона связано со значительно меньшей потребностью... Читать дальше

Женское здоровье

посмотреть канал
Новое исследование показывает, что после родов женщины подвергаются более высокому риску сердечной недостаточности (фото любезно предоставлено Getty Images).

Исследование свидетельствует о высоком уровне риска СН у женщин после родов

В ходе нового исследования установлено, что женщины подвергаются наибольшему риску сердечной недостаточности (СН) в течение... Читать дальше

Уход за пациентами

посмотреть канал
Исследования показывают, что уход за пациентами может быть улучшен путем мониторинга физической реабилитации в режиме реального времени (фото предоставлено Институтом открытых коммуникационных систем им. Фраунгофера).

Телемедицинская система для лечебной физкультуры улучшает процесс физической реабилитации

Интерактивная телемедицинская система, основанная на мониторинге физических упражнений в режиме реального времени, обеспечивает... Читать дальше

IT

посмотреть канал
Решение для управления запасами Unifia предназначено для упрощения эндоскопического рабочего процесса (фото любезно предоставлено Olympus).

Программная платформа отслеживает использование и стерилизацию эндоскопов

Инновационное решение для управления технологическими процессами и снабжением обеспечивает оптимальную эффективность и безопасность... 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.