Быть в курсе событий mHealth
Видео
Популярное за неделю
Мы Вконтакте
Мы на Facebook
#машинное обучение
Искусственный интеллект (artificial intelligence, AI) и машинное обучение часто смешивают друг с другом, но эти термины не совсем взаимозаменяемы. Машинное обучение — это область науки о данных, характерной чертой которой является не прямое решение задачи, а обучение в процессе применения решений множества сходных задач. При этом алгоритм не программируется по определенным правилам. AI - это более объемный термин, используемый для описания компьютеров, выполняющих "умные" функции, такие как решение задач, планирование, распознавание голоса и языка и, в том числе, обучение. Т.е. машинное обучение — это один из типов AI.
Сегодня в радиологи машинное обучение (МО) используется для различных целей, и главные из них, как следует из данных исследования, опубликованного в журнале Radiology, следующие:
Определение порядка обследования и скрининг пациентов.
Технология МО позволяет уменьшить количество людей, не прошедших скрининг. Такие решения позволяют идентифицировать пациентов,...
Специалисты Калифорнийского университета в Лос-Анжелесе (США) разработали алгоритм на базе машинного обучения, который способен прогнозировать наступление интраоперационного события, связанного со снижением кровяного давления, за 15 минут до его наступления в 84% случаев, за 10 минут - в 84% случаев и за 5 минут - в 87% случаев. Информация об исследовании опубликована в журнале Anesthesiology.
Цель разработки - создание системы ранней идентификации и лечения, позволяющей предотвратить осложнения, такие как послеоперационный сердечный приступ, острая почечная травма или даже смерть.
Алгоритм использует данные записей изменения давления крови в артериях во время сердечных сокращений, включая эпизоды гипотонии (пониженного давления). Для каждого сердечного сокращения по форме волны артериального давления ученые способны определить 3022 индивидуальных признака, которые предоставляют им более 2.6 млн бит информации. С помощью этих данных исследователи могут идентифицировать, какие из...
В последнее время появились совершенно революционные технологии, позволяющие обнаружить заболевание прежде, чем оно станет заметным. Данные исследования, которые были опубликованы в журнале Scientific Reports, позволяют нам существенным образом приблизиться к такой возможности. В этой публикации описывается, как анализ обычных медицинских изображений, таких как сканы компьютерной томографии, при помощи алгоритмов искусственного интеллекта, позволяет создать мощную прогнозную систему, определяющую будущие параметры здоровья человека или даже срок его жизни.
В этом исследовании ученые использовали алгоритм машинного обучения для анализа изображений, полученных методом компьютерной томографии груди 48 взрослых людей в возрасте старше 60 лет. Сравнивая данные сканов, система оказалась способна предсказать шансы участников эксперимента умереть в течение ближайших 5 лет с точностью 70%. Примерно такую же точность прогноза выживаемости обеспечивает и профессиональный врач, говорится в...
Функциональная цель цифрового здравоохранения заключается в предоставлении врачам возможности принимать более информированные решения, обеспечивая им доступ ко всем электронным данным пациентов.
Но эти данные, к сожалению, создаются не одинаковым образом и находятся они не в одном месте. Электронные медицинские карты часто неполные, неточные и недоступные, когда они нужны, тем самым снимая все преимущества этих систем для врачей и пациентов.
Но современные технологии, такие как аналитика данных и машинное обучение, потенциально позволяют медицинским организациям обеспечить интероперабельность данных (сбор их из разных источников и переносимость из одной системы в другую) для улучшения процесса лечения. Недавно были опубликованы два исследования Лаборатории компьютерных наук и искусственного интеллекта при Массачусетском технологическом институте (МТИ), которые показывают, как машинное обучение, может улучшить электронные медицинские карты и как прогнозная аналитика может помочь...
Ученые из канадского университета МакГилла разработали программное обеспечение, которое способно анализировать изображения, полученные при сканировании мозга с помощью позитронно-эмиссионной томографии*, и предоставлять оценку того, насколько вероятно развитие деменции у пациента.
Болезнь Альцгеймера ассоциируется с образованием амилоидных бляшек в мозге, но интерпретировать их расположение и концентрацию и получить клинически полезную информацию очень сложно. А знание того, как будет дальше жить человек и каковы его перспективы, может помочь заранее выбрать для него подходящую терапию, а также проводить целевые исследования и разрабатывать новые лекарства.
Программное обеспечение, использующее алгоритмы машинного обучения, в состоянии спрогнозировать наступление деменции за два года до того, как появятся первые симптомы. Для разработки правильных алгоритмов были проанализированы множество сканов и соответствующей информации, полученной из проекта Alzheimer’s Disease...
Исследователи из частного исследовательского университета Кейс Вестерн Резерв (США) разработали технологию с использованием алгоритма машинного обучения для диагностики болезни Альцгеймера на базе анализа медицинских изображений. Цель разработки - создание инструмента для ранней диагностики и, значит, раннего начала лечения, что потенциально может продлить период независимости для пожилых людей.
С помощью системы на базе алгоритма, который получил название Cascaded Multi-view Canonical Correlation (CaMCCo), ученые проанализировали 149 пациентов, используя при этом данные сканов магнитно-резонансной томографии, параметры гиппокампа* пациентов, уровень метаболизма сахара в их мозгу, а также протеомику**, геномику и уровень умеренных когнитивных нарушений***.
В первую очередь во время исследования были определены параметры, которые позволяют отделить больных людей от здоровых. Затем алгоритм помогает отделить среди не совсем здоровых пациентов тех, у кого заметны признаки умеренных...
Группа американских исследователей, работающих в рамках проектов DARPA*, скоординировали свои усилия с целью лучшего понимания, как осуществляются "рассуждения" алгоритмов искусственного интеллекта и как они приходят к выводам, которые они делают. Несмотря на всеобщее восхищение возможностями систем на базе искусственного интеллекта, широкое применение таких технологий в здравоохранении пока затруднено. И лучшее понимание процессов принятия решения такими системами может помочь преодолеть существующие затруднения.
В проекте участвуют около 100 ученых из 30 университетов и частных организаций. Они намерены создать "понятные" системы искусственного интеллекта", которые могут конвертировать сложный компьютерный язык в легкую для понимания логику, помогающую понять, как алгоритм искусственного интеллекта приходит к своему решению. Т.е. цель проекта заключается в создании набора инструментов машинного обучения и интерфейсов пользователя, которые правительственные и коммерческие...
Алгоритмы машинного обучения постоянно мелькают сегодня в заголовках новостей, в том числе и в Evercare. Однако эти системы обучаются в 10 раз медленнее, чем люди, что позволяет нам пока думать, что роботы еще не скоро захватят мир. Но недавно компания Google объявила о разработке искусственного интеллекта, который может учиться также быстро, как человек. Эта новость пришла к нам из лондонского подразделения Google компании DeepMind, которое как раз специализируется на технологиях машинного обучения. По их утверждениям, их новая разработка не только может намного быстрее, чем предыдущие модели искусственного интеллекта ассимилировать и использовать информацию, но и в ближайшее время достигнут здесь скорости человека.
Метод DeepMind копирует процесс обучения, который происходит в мозгу человека или животного.
Напомним, что технология машинного обучения использует слои нейронных сетей для обнаружения тенденций или шаблонов в данных. Если на одном уровне идентифицируется шаблон,...
Исследователи из американской Ассоциации исследований в области зрения и офтальмологии (Association for Research in Vision and Ophthalmology, ARVO) разработали алгоритм машинного обучения, который может предсказывать наступление того критического момента, когда ранняя стадия возрастной макулярной дистрофии (ВМД)* может перейти в тяжелую форму. Для своей работы программное обеспечение использует полученные через определенные промежутки времени фотографии сетчатки пациента. Новая работа была представлена недавно на очередной Ежегодной встрече ассоциации, которая проходила в Балтиморе (США).
Для проверки работы алгоритма было проведено исследование с участием 38 пациентов, которые страдают от ВМД в ранней или средней стадии. Для анализа использовались фотографии, полученные при помощи оптической когерентной томографии**, которые делались каждые три месяца в течение 15 месяцев.
Алгоритм смог точно предсказать наступление в течение ближайших 12 месяцев регрессии друз на сетчатке...
Американские ученые из больницы университета имени Томаса Джефферсона разработали решение на базе алгоритмов искусственного интеллекта, которое предназначено для обнаружения туберкулеза по рентгеновским снимкам. Этот проект ставит своей целью облегчить процесс скрининга и диагностики в районах, где до сих много больных туберкулезом и отсутствует доступ к квалифицированным радиологам. Подобное решение - это эффективный с точки зрения затрат метод, позволяющий предоставить возможности ранней идентификации этой опасной болезни и ее лечения в развивающихся странах.
Для разработки решения ученые использовали более 1000 рентгеновских снимков больных и здоровых людей, которые обрабатывались и использовались для "тренировки" двух моделей системы. Одна из них была построена на решении AlexNet, вторая - GoogleNet.
Самые лучшие результаты были получены при использовании модели, в которой работала комбинация AlexNet и GoogleNet, отмечает Healthcare IT News. Здесь была получена точность...
- 1 из 2
- ››