Farmasiforskere tester AI for å forutsi synstap

Hvordan organisasjoner kan få mest mulig ut av maskinlæring På SAP SAPPHIRE NOW-konferansen i 2019 snakket Markus Noga med TechRepublic om hvilke selskaper som skulle bruke maskinlæring, og beste praksis for utførelse.

Det er lettere å diagnostisere en sykdom enn å forutsi hvor raskt den vil bli verre. Det er løftet om kunstig intelligens (AI) i helsevesenet: Å hjelpe leger med å identifisere personer som kan ha en høyere risiko for en viss sykdom enn andre.

Forskere ved Genetech og Roche har utviklet en dyp læringsmodell som kan være i stand til å forutsi hvilke pasienter med synsproblemer relatert til diabetes som er mer sannsynlig å bli blind.

Mer om kunstig intelligens

  • Google DeepMind-grunnlegger Demis Hassabis: Tre sannheter om AI
  • De 10 mest etterspurte AI-jobbene i verden
  • De 3 mest oversett begrensningene av AI i virksomheten
  • Hvordan bli maskinlæringsingeniør: Et jukseark

Teamet publiserte nettopp en ny artikkel i Nature Digital Medicine, "Dyp læringsalgoritme forutsier progresjon av diabetisk retinopati hos individuelle pasienter." Arbeidet deres er basert på bilder av innsiden av øyet.

Med denne nye studien ønsket forskere å utvikle en modell som kunne forutsi hvilke pasienter som har høyest risiko for å bli blind i løpet av to år. For tiden kan leger estimere progresjonsrisikoen for grupper av pasienter med lignende tegn og symptomer, for de kan ikke nøyaktig forutsi forløpet av synstap hos en individuell pasient.

For å trene modellen brukte forskerne fargefotografier av innsiden av øyet fra pasienter med diabetisk retinopati. Forskere brukte dype, innviklede nevrale nettverk (DCNNs) for å vurdere bildene og produsere et målutfall prediksjon. DCNN brukes ofte til å analysere bilder. En DCNN tildeler en grad av betydning til forskjellige objekter i bildet og kan skille det ene objektet fra det andre. Med denne retinopatistudien lette algoritmen etter blødninger og mikroaneurysmer - symptomer på retinopati.

Denne typen prediktive algoritmer kan hjelpe pasienter med å få individualisert omsorg. Med denne teknologien kunne øyeleger identifisere høyrisikopasienter og planlegge hyppigere overvåkingsbesøk.

"Denne dype læringsteknologien baner banen for et AI-verktøy som kan informere ledelsesstrategi med optimal sjekkfrekvens og potensiell rettidig intervensjon for å bidra til å bevare synet til pasienter, " medforfatterforfatter Zdenka Haskova, MD, Ph.D., sa en medisinsk direktør i klinisk oftalmologi ved Genentech, i en pressemelding.

I tillegg til å håndtere blodsukkernivået, må personer med diabetes spore andre relaterte helseproblemer, som nyresykdom, fot- og hudproblemer, hjertesykdommer og synsproblemer. Nesten alle personer med diabetes type 1 og omtrent 60% av personer med diabetes type 2 vil utvikle retinopati. I de tidlige stadiene blir en persons syn uklar. Sykdommen kan utvikle seg uten symptomer til det plutselig oppstår synstap. I USA har rundt 7, 7 millioner mennesker diabetisk retinopati. Dette antallet forventes å klatre til 14, 6 millioner i 2050.

Pasientdataene i denne studien kom fra personer som allerede var påmeldt to andre kliniske studier. Forfatterne listet den faktoren som en begrensning av modellen fordi disse pasientene ikke nødvendigvis representerer den virkelige befolkningen i mennesker med diabetes. Forskerne brukte også en måleskala som stort sett brukes i forskningsinnstillinger, ikke legekontorer. De andre begrensningene inkluderer:

  • Liten pasientpopulasjon på 530 personer
  • Mangel på et eksternt valideringssett

Neste trinn er å utvikle en algoritme som forutsier direkte tap av synet.

Forskere bruker også AI for å forbedre automatiserte insulinleveringssystemer. JDRF tildelte $ 144 000 til et sveitsisk universitet for å utvikle avanserte algoritmer som kan forutsi farlig lavt eller høyt blodsukkernivå. Målet er å optimalisere og personalisere insulinbehandling.

Et annet eksempel på hvordan AI og maskinlæring endrer standardbehandlingsplaner er Microsofts arbeid med Apollo Hospitals Group i Chennai, India. Dr. Sangita Reddy, den felles administrerende direktøren i Apollo, beskrev et prosjekt med Microsofts AI Network for Healthcare-initiativ. Lansert i august 2018, er Cardiovascular Disease Risk Score API designet for å forutsi risikoen for hjertesykdom i den indiske befolkningen.

Forskere fant at pasienter som hadde en normal check-up hadde hjerteinfarkt. Risikovurderinger vurderte ikke de riktige faktorene for å estimere risikoen for hjerteinfarkt. For å forbedre prosessen med å identifisere pasienter med risiko for et angrep:

Reddy skrev også at ved å kombinere anvendt AI og klinisk ekspertise, kan leger hjelpe leger med å ta bedre behandlingsbeslutninger for hver pasient.

Forfattere av diabetisk retinopatipapir er Filippo Arcadu, Fethallah Benmansour, Andreas Maunz, Jeff Willis, Zdenka Haskova og Marco Prunotto.

Data, Analytics og AI Nyhetsbrev

Få eksperttips for å mestre grunnleggende grunnleggende analyser av data, og følg med på den siste utviklingen innen kunstig intelligens. Leveres mandager

Registrer deg i dag

© Copyright 2020 | mobilegn.com