ИИ, обучени да помагат при лечение на сепсис, диагноза фрактура

Изображение на рентген на китката. EnlargeBo Mertz

Лечението на пациентите ефективно включва комбинация от обучение и опит. Това е една от причините да са били хората развълнуван от перспективите за използване на AI в медицината: възможно е да тренира алгоритми, използвайки опита на хиляди лекари, давайки им повече информация, отколкото всеки един човек можеше натрупват.

Тази седмица даде някои индикации, че софтуерът може да е включен прагът да се изпълни това обещание, както описват два документа отлични предварителни резултати с използване на AI както за диагностика, така и за решения за лечение. Документите включват много различни проблеми и подходи, което подсказва, че обхвата на ситуациите, при които AI може да се окаже полезен е много широк.

Избор на лечение

Едно от двете изследвания се фокусира върху сепсиса, който се появява, когато имунната система има прекомерен отговор на инфекция. сепсис очевидно е третата водеща причина за смърт в световен мащаб и то остава проблем дори когато пациентът вече е хоспитализиран. Съществуват указания за лечение на пациенти със сепсис, но числата предполагат, че все още има достатъчно място за подобрение. Така малък екип от Великобритания и САЩ реши да провери дали софтуерът може помогнете да осигурите някои от подобренията.

Те използваха алгоритъм за укрепване на обучението, защото това са считат се за ефективни, когато има това, което наричат ​​„рядко възнаграждение сигнали. “С други думи, една голяма популация на пациентите отива да се случва много, освен сепсис, и много от него ще има влияят на резултатите от всяко лечение, така че сигналът от ефективните лечения ще бъдат малки и трудно забележими. Това подходът е предназначен да увеличи шансовете за забелязване на такъв.

Както и големият брой точки за данни, използвани за обучение на софтуер: над 17 000 пациенти с интензивно лечение и друг 79 000 общоприети болнични от общо над 125 болници. Данните за пациентите включват 48 различни бита информация, от жизненоважни признаци и лабораторни тестове до демографски информация. Алгоритъмът използва данните за идентифициране на леченията това би увеличило 90-дневната преживяемост на пациентите. Най- изследователите нарекли получения софтуер AI Clinician.

За оценка на AI беше използван отделен набор от записи на пациенти Представяне на клиника. Алгоритъмът е използван за избор на лечение и пациентите се оценяват въз основа на това дали техните действителните лечения бяха подобни на тези на алгоритъма препоръчително. Като цяло софтуерът препоръчва по-ниски дози от IV течности и по-високи дози лекарства, които причиняват свиване на кръвта съдове. Хората, които са получили подобни лечения на тези препоръките имат най-ниската смъртност сред тази група от пациенти.

диагноза

Вторият документ се фокусира върху идентифицирането на проблемите, които изискват лечение. Проблемът, върху който се фокусира, са фрактурите на костите. Докато тези често са лесни за забелязване, могат да бъдат малки фрактури на чип или коса трудно дори да се забележи специалист. И в повечето случаи диагнозата попада на неспециалист, обикновено лекар, който работи спешна медицина. Новото изследване не е предназначено да създаде AI което замества тези лекари; по-скоро има за цел да им помогне навън.

Екипът назначи 18 ортопедични хирурзи, за да постави диагноза 135,0000 изображения на потенциални фрактури на китката, а след това се използва това данни за обучаване на техния алгоритъм, дълбоко изучаващ се конволюционен неврон мрежа. Алгоритъмът беше използван, за да подчертае областите, които представляват интерес лекари, които не са специализирани в ортопедията. По същество беше помага им да се съсредоточат върху области, за които има голяма вероятност да съдържат счупи.

В миналото опити като това са довели до свръхдиагностика, където лекарите биха препоръчали допълнителни тестове за нещо, което е това безвреден. Но в този случай точността се покачи като фалшиви положителни резултати слезе. Чувствителността (или способността) да се идентифицират фрактури отиде от 81 процента до 92 процента, докато специфичността (или способността) за да се постави правилната диагноза) нарасна от 88 процента на 94 процента. Комбинирани, тези резултати означават, че ER документите биха виждали своите процент на погрешни диагнози спада с близо половината.

Нито един от тях не участва в използването на софтуера в контекст, който напълно отразява медицински релевантните обстоятелства. И двамата лекари по Е� и тези, които лекуват сепсис (който може да е един и същ) ще обикновено имат много допълнителни притеснения и разсейвания, така че може да бъде предизвикателство за интегриране на използването на AI в техния процес. Но на Успехът на тези усилия предполага, че клиничните изпитвания на ИИ ще са да се случва по-скоро, отколкото по-късно, и тогава ще имаме истински усетете колко помагат за реалната диагноза и лечение.

Nature Medicine, 2017. DOI: 10.1038 / s41591-018-0213-5 (За DOIs).

PNAS, 2017. DOI: 10.1073 / pnas.1806905115 (За DOI).

Like this post? Please share to your friends:
Leave a Reply

;-) :| :x :twisted: :smile: :shock: :sad: :roll: :razz: :oops: :o :mrgreen: :lol: :idea: :grin: :evil: :cry: :cool: :arrow: :???: :?: :!: