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.
Please note that the HospiMedica website is also available in a complete English version
Разделы Партнеры Информация LinkXpress
Вход
Реклама на сайте
Ampronix,  Inc

Мобильное Приложение




Алгоритм точно прогнозирует выживание после сердечной недостаточности

Редакция HospiMedica - Россия
Опубликовано 22 Aug 2018
Print article
Алгоритм `Деревья предсказателей` использует машинное обучение и 53 точки данных для более точного прогнозирования продолжительности жизни после сердечной недостаточности (фото любезно предоставлено Калифорнийским университетом в Лос-Анджелесе).
Алгоритм `Деревья предсказателей` использует машинное обучение и 53 точки данных для более точного прогнозирования продолжительности жизни после сердечной недостаточности (фото любезно предоставлено Калифорнийским университетом в Лос-Анджелесе).
Команда исследователей из Калифорнийского университета в Лос-Анджелесе (University of California, Los Angeles - UCLA; Лос-Анджелес, США) разработала новый алгоритм, который более точно прогнозирует, смогут ли люди пережить сердечную недостаточность, на какой период времени и получат ли трансплантат сердца. Алгоритм позволит врачам проводить более персонализированную оценку состояния людей, ожидающих пересадки сердца, что позволит поставщикам медицинских услуг эффективно использовать ограниченные ресурсы для спасения жизни и сократить расходы на здравоохранение.

Алгоритм, получивший название "Деревья предсказателей", использует машинное обучение и учитывает 53 точки данных, включающих возраст, пол, индекс массы тела, группу крови и химию крови, для выявления различий между людьми, ожидающими пересадки сердца, и совместимости между потенциальными реципиентами и донорами сердца. Используя эти точки данных, алгоритм предсказывает, как долго смогут прожить люди с сердечной недостаточностью в зависимости от того, получат они трансплантат или нет. Алгоритм также может анализировать различные возможные сценарии риска для потенциальных кандидатов на пересадку, чтобы помочь врачам более тщательно оценивать людей, которые могут быть кандидатами на пересадку сердца, и является достаточно гибким, чтобы включать больше данных по мере развития процесса лечения.

Исследователи UCLA протестировали алгоритм, используя данные за 30 лет для людей, зарегистрированных в Объединённой сети по распределению донорских органов (United Network for Organ Sharing), некоммерческой организации, которая подбирает доноров и реципиентов в США. Исследователи обнаружили, что алгоритм обеспечивает значительно лучшие прогнозы, чем модели прогнозирования, используемые в настоящее время большинством врачей, согласно которым реципиенты будут жить в течение минимум трех лет после трансплантации. Алгоритм UCLA опередил модели на 14%, правильно предсказав, что еще 2244 пациента из 17441, перенесших трансплантацию сердца, прожили как минимум так же долго после операции. По мнению исследователей, алгоритм "Деревья предсказателей" также может использоваться для сбора информации из медицинских баз данных и различных типов сложных баз данных.

"Наша работа предполагает, что с помощью нового алгоритма, основанного на машинном обучении, можно было бы сохранить больше жизней, — сказала Михаэла ван дер Шаар (Mihaela van der Schaar), профессор кафедры электрической и компьютерной инженерии в инженерной школе UCLA Samueli, которая возглавила исследование. — Это было бы особенно полезно для определения того, какие пациенты острее нуждаются в трансплантации сердца, а какие пациенты являются хорошими кандидатами на переходную терапию, такую как имплантированные механические вспомогательные устройства".

"Следуя этому методу, мы можем идентифицировать значительное число пациентов, которые являются хорошими кандидатами на пересадку, но не были идентифицированы как таковые традиционными подходами, — сказал доктор Мартин Кадейрас (Martin Cadeiras), кардиолог Медицинской школы Дэвида Геффена в UCLA. — Эта методология лучше напоминает человеческий процесс мышления, предоставляя несколько альтернативных решений для одной и той же проблемы, но принимая во внимание возможность изменений в состоянии здоровья для каждого человека".

Ссылки по теме:
Калифорнийский университет в Лос-Анджелесе


Print article
Radcal
CIRS

Каналы

Интенсивная терапия

посмотреть канал
Незаметный пластырь CAM, контролирующий работу сердца (фото любезно предоставлено Bardydx).

Амбулаторный пластырь улучшает дистанционный мониторинг работы сердца

Простой в применении и удобный для пациента пластырь, накладываемый на область сердца, обеспечивает неинвазивное, диагностически... Читать дальше

Хирургия

посмотреть канал
Новый сферический аппликатор поможет улучшить проведение открытой хирургической абляции (фото любезно предоставлено Innoblative Designs).

Электрохирургический аппарат поможет усовершенствовать процедуру РЧА

Новый аппликатор одновременно обеспечивает радиочастотную абляцию (РЧА) и доставляет физиологический раствор для коагуляции... Читать дальше

Женское здоровье

посмотреть канал
Определено различие между числом пациентов, самостоятельно обратившихся за скринингом, и фактической частотой скрининга на рак шейки матки (фото любезно предоставлено фотобанком Corbis).

Частота скрининга на рак шейки матки снижается у более молодых женщин

По результатам нового исследования было сделано заключение, что процент женщин, проверенных на рак шейки матки, может быть... Читать дальше

Уход за пациентами

посмотреть канал
Система имплантируемых электродов системы Stentrode (фото любезно предоставлено Synchron).

Нейронный интерфейс использует человеческие мысли для управления медицинскими устройствами

Новая технология нейронного интерфейса может восстановить способность к коммуникации у пациентов с тяжелым параличом, вызванным... Читать дальше

IT

посмотреть канал
В новом исследовании предполагается, что отраженные радиоволны могут идентифицировать поведенческие паттерны (фото любезно предоставлено MIT).

Система отслеживания движения собирает данные о состоянии здоровья и поведении пациентов

В новом исследовании описывается, как маломощная система радиочастотного (РЧ) отслеживания может дать представление о том,... 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.