Ya yapay zeka, yenidoğanların ciddi hastalıklara yakalanma riskini tahmin etmemize yardımcı olabilirse? Son zamanlarda dergide yayınlanan sonuçlara göre Bilim Tercüme Tıbbı, umut verici umutlar olurdu. Stanford Üniversitesi’ndeki bir grup araştırmacı, anne-bebek tıbbi kayıtlarında yer alan ve doğumdan önceki aylarda ve doğumdan hemen sonraki anlarda toplanan verilere dayanan bir sistem geliştirdi. İşte nasıl çalıştığı.
yenidoğan ölüm oranı
Yenidoğan ölümleri bugün hala endişe verici bir sorun: DSÖ’ye (Dünya Sağlık Örgütü) göre, 2020’de bebek ölümlerinin neredeyse yarısı yaşamın ilk 28 günü içinde meydana geldi. En sık görülen nedenler, doğuştan kusurlar, enfeksiyonlar veya diğer intrapartum komplikasyonlar ve çok sıklıkla erken doğum ile ilgilidir. Hangi yenidoğanların (özellikle prematüre doğanların) ciddi hastalıklara yakalanma olasılığının daha yüksek olduğunu tahmin etmemize yardımcı olan bir araç, belki de daha fazla hayat kurtarabilir.
Daha fazla zaman yok: yenidoğan taramalarını mümkün olan en kısa sürede güncelleyin
kaydeden Simone Valesini
14 Şubat 2023
Öğrenim görünüyorum
Bu amaçla, Stanford Üniversitesi bilim adamları, 2014 ve 2018 yılları arasında doğan 22.000’den fazla anne ve yenidoğan çiftinin tıbbi kayıtlarının içeriğini bir sinir ağı sistemine “besledi”. kayıtlarda yer alan çeşitli parametreler (yaşam tarzı, patolojiler, ilaç alımı, vb.) ile nekrotizan enterokolit, serebral palsi, intraventriküler kanama ve bronkopulmoner displazi dahil olmak üzere 24 ciddi yenidoğan patolojisinin başlangıcı arasındaki en olası ilişkileri tanımayı öğretmek. Yazarlar daha sonra sistemin tahmin yeteneğini, bu kez 2019 ile 2020 arasında doğan 10.250 çift daha anne ve yenidoğan üzerinde doğruladılar. Sinir ağının, üzerinde eğitildiği 24 patolojiden 10’unu yüksek doğrulukla tahmin edebildiği bulundu. ve biraz daha yüksek hata derecesine sahip 7 kişi daha.
Araştırma ekibi ayrıca etkileşimli bir web sitesi oluşturdu ve bu web sitesini, bu çalışma sırasında toplanan veri setini daha ileri araştırmalar için kullanmak isteyen bağımsız araştırmacıların kullanımına sundu. “Burada kullanılan makine öğrenimi metodolojisi – makale okur – yenidoğan sonuçları için tahmine dayalı modeller oluşturmamıza izin verdi ve potansiyel olarak klinisyenler ve araştırmacıların bağımsız olarak incelemeleri için önemli bir kaynak görevi görecek”. Ancak yazarlar, prediktif modellerinin klinik ortamda kullanılabilmesi için daha fazla doğrulama çalışmasına ihtiyaç duyulacağını vurgulamaktadır.
Meme kanseri, yapay zeka ultrasonun hassasiyetini artırıyor
kaydeden Mara Magistroni
19 Aralık 2022
Sınırlar ve gelecek beklentileri
Araştırmacıların altını çizdiği sınırlamalardan biri, tahmin sisteminin bebeklerin bazı alt grupları için diğerlerinden daha güvenilir görünmesidir. Yani, model belirli bir fenotipe sahip yeni doğanlar için çok doğru tahminler sağlayabilir ve diğer alt gruplar için aynı tahmin kapasitesine sahip değildir. Bu, muhtemelen belirli alt gruplar için diğerlerine kıyasla veri eksikliğinden kaynaklanabilecek bir algoritma yanlılığıdır. Bunu fark etmek – araştırmacılar yazıyor – modeli mükemmelleştirmeye yönelik ilk adımdır. Yazarlar, bu çalışma sayesinde, “fetal ortamın rolü ve yenidoğan hastalıkları riskine katkısı hakkında daha fazla bilgi edindik” sonucuna varıyorlar. Modelin klinik etkisini değerlendirmek için artık ileriye dönük çalışmalara ihtiyaç var.”
konular
yenidoğan ölüm oranı
Yenidoğan ölümleri bugün hala endişe verici bir sorun: DSÖ’ye (Dünya Sağlık Örgütü) göre, 2020’de bebek ölümlerinin neredeyse yarısı yaşamın ilk 28 günü içinde meydana geldi. En sık görülen nedenler, doğuştan kusurlar, enfeksiyonlar veya diğer intrapartum komplikasyonlar ve çok sıklıkla erken doğum ile ilgilidir. Hangi yenidoğanların (özellikle prematüre doğanların) ciddi hastalıklara yakalanma olasılığının daha yüksek olduğunu tahmin etmemize yardımcı olan bir araç, belki de daha fazla hayat kurtarabilir.
Daha fazla zaman yok: yenidoğan taramalarını mümkün olan en kısa sürede güncelleyin
kaydeden Simone Valesini
14 Şubat 2023
Öğrenim görünüyorum
Bu amaçla, Stanford Üniversitesi bilim adamları, 2014 ve 2018 yılları arasında doğan 22.000’den fazla anne ve yenidoğan çiftinin tıbbi kayıtlarının içeriğini bir sinir ağı sistemine “besledi”. kayıtlarda yer alan çeşitli parametreler (yaşam tarzı, patolojiler, ilaç alımı, vb.) ile nekrotizan enterokolit, serebral palsi, intraventriküler kanama ve bronkopulmoner displazi dahil olmak üzere 24 ciddi yenidoğan patolojisinin başlangıcı arasındaki en olası ilişkileri tanımayı öğretmek. Yazarlar daha sonra sistemin tahmin yeteneğini, bu kez 2019 ile 2020 arasında doğan 10.250 çift daha anne ve yenidoğan üzerinde doğruladılar. Sinir ağının, üzerinde eğitildiği 24 patolojiden 10’unu yüksek doğrulukla tahmin edebildiği bulundu. ve biraz daha yüksek hata derecesine sahip 7 kişi daha.
Araştırma ekibi ayrıca etkileşimli bir web sitesi oluşturdu ve bu web sitesini, bu çalışma sırasında toplanan veri setini daha ileri araştırmalar için kullanmak isteyen bağımsız araştırmacıların kullanımına sundu. “Burada kullanılan makine öğrenimi metodolojisi – makale okur – yenidoğan sonuçları için tahmine dayalı modeller oluşturmamıza izin verdi ve potansiyel olarak klinisyenler ve araştırmacıların bağımsız olarak incelemeleri için önemli bir kaynak görevi görecek”. Ancak yazarlar, prediktif modellerinin klinik ortamda kullanılabilmesi için daha fazla doğrulama çalışmasına ihtiyaç duyulacağını vurgulamaktadır.
Meme kanseri, yapay zeka ultrasonun hassasiyetini artırıyor
kaydeden Mara Magistroni
19 Aralık 2022
Sınırlar ve gelecek beklentileri
Araştırmacıların altını çizdiği sınırlamalardan biri, tahmin sisteminin bebeklerin bazı alt grupları için diğerlerinden daha güvenilir görünmesidir. Yani, model belirli bir fenotipe sahip yeni doğanlar için çok doğru tahminler sağlayabilir ve diğer alt gruplar için aynı tahmin kapasitesine sahip değildir. Bu, muhtemelen belirli alt gruplar için diğerlerine kıyasla veri eksikliğinden kaynaklanabilecek bir algoritma yanlılığıdır. Bunu fark etmek – araştırmacılar yazıyor – modeli mükemmelleştirmeye yönelik ilk adımdır. Yazarlar, bu çalışma sayesinde, “fetal ortamın rolü ve yenidoğan hastalıkları riskine katkısı hakkında daha fazla bilgi edindik” sonucuna varıyorlar. Modelin klinik etkisini değerlendirmek için artık ileriye dönük çalışmalara ihtiyaç var.”
konular