آخرین مطالب

محققان دریافتند یادگیری ماشینی از بخش های اورژانس پشتیبانی می کند


بخش اورژانس

اعتبار: Unsplash/CC0 دامنه عمومی

محققان دانشکده پزشکی دانشگاه مینه‌سوتا اخیرا یافته‌هایی را منتشر کرده‌اند PLOS ONE که عملکرد بی‌درنگ یک یادگیری ماشینی (ML) را ارزیابی کرد که از تصمیم‌گیری بالینی برای ترخیص بخش اورژانس در بیمارستان‌های M Health Fairview پشتیبانی می‌کرد.

تیم چند رشته‌ای متشکل از متخصصان، بیمارستان‌ها، پزشکان اورژانس و انفورماتیکان، عملکرد بلادرنگ ابزار پیش‌آگهی کووید-19 با قابلیت ML را ارزیابی کردند. این ابزار پشتیبانی تصمیم گیری بالینی را به ارائه دهندگان بخش اورژانس ارائه می دهد تا تصمیم گیری مشترک با بیماران در مورد ترخیص را تسهیل کند.

دکتر مونیکا لوپی، استادیار دانشکده پزشکی U of M و مدیر پزشکی دانشگاه M Health Fairview مرکز پزشکی مینه‌سوتا، می‌گوید: «COVID-19 سیستم‌های مراقبت‌های بهداشتی را از جنبه‌های مختلف سنگین کرده است، و یافتن راه‌هایی برای کاهش استرس بسیار مهم است. -بانک غرب.

به رهبری دکتر لوپی، تیم تحقیقاتی دانشگاه با موفقیت یک مدل پیش‌بینی COVID-19 را در سیستم مراقبت بهداشتی M Health Fairview 12 سایتی ایجاد و پیاده‌سازی کرد که از نظر جنسیت، نژاد و قومیت برای سه نتیجه متفاوت عملکرد خوبی داشت. الگوریتم رگرسیون لجستیک ایجاد شده برای پیش‌بینی COVID-19 شدید در افراد تحت بررسی عملکرد خوبی داشت، اگرچه بر روی یک جمعیت مثبت COVID-19 توسعه یافته بود.

دکتر کریستوفر تیگنانلی، مایکل آشر، دنی لی و نیکلاس اینگراهام در ایجاد و ارزیابی مدل پیش‌بینی COVID-19 نقش مهمی داشته‌اند.

دکتر لوپی گفت: «سیستم‌های تصمیم‌گیری بالینی از طریق مدل‌سازی پیش‌بینی‌کننده ML ممکن است به مراقبت از بیمار بیفزایند، تغییرات تصمیم‌گیری بی‌رویه را کاهش دهند و استفاده از منابع را بهینه کنند – به‌ویژه در طول یک بیماری همه‌گیر».

یک مدل رگرسیون لجستیک با فعال‌سازی ML می‌تواند به عنوان پشتیبان تصمیم‌گیری بالینی در چندین بیمارستان توسعه داده شود، اعتبار سنجی شده و اجرا شود و در عین حال عملکرد بالا در اعتبار سنجی بلادرنگ حفظ شود و عادلانه باقی بماند.

دکتر لوپی توصیه می‌کند که تأثیر آن بر نتایج بیمار و استفاده از منابع نیاز به ارزیابی و تحقیق بیشتر با مدل ML دارد.


تیم الگوریتم هوش مصنوعی را برای تجزیه و تحلیل اشعه ایکس قفسه سینه برای COVID-19 توسعه می دهد


اطلاعات بیشتر:
Monica I. Lupei و همکاران، ارزیابی آینده نگر 12 بیمارستانی از یک الگوریتم پیش آگهی پشتیبانی تصمیم بالینی مبتنی بر رگرسیون لجستیک به عنوان شکلی از یادگیری ماشینی برای تسهیل تصمیم گیری برای بیماران مشکوک به COVID-19، PLOS ONE (2022). DOI: 10.1371/journal.pone.0262193

ارائه شده توسط دانشکده پزشکی دانشگاه مینه سوتا

نقل قول: محققان دریافتند که یادگیری ماشین از بخش های اورژانس پشتیبانی می کند (2022، 25 ژانویه) در 26 ژانویه 2022 از https://medicalxpress.com/news/2022-01-machine-emergency-departments.html بازیابی شده است.

این برگه یا سند یا نوشته تحت پوشش قانون کپی رایت است. به غیر از هرگونه معامله منصفانه به منظور مطالعه یا تحقیق خصوصی، هیچ بخشی بدون اجازه کتبی قابل تکثیر نیست. محتوای مذکور فقط به هدف اطلاع رسانی ایجاد شده است.