โรคหัวใจ
โดย:
PB
[IP: 92.223.89.xxx]
เมื่อ: 2023-06-21 17:41:14
การศึกษาที่ตีพิมพ์ในPLOS Oneช่วยเพิ่มหลักฐานที่เพิ่มมากขึ้นว่า AI สามารถปฏิวัติการดูแลสุขภาพในสหราชอาณาจักรและที่อื่น ๆ จนถึงตอนนี้ การเน้นไปที่ศักยภาพของ AI ในการช่วยวินิจฉัยและรักษาโรคต่างๆ แต่การค้นพบใหม่นี้ชี้ให้เห็นว่า AI สามารถช่วยทำนายโอกาสที่ผู้ป่วยจะเสียชีวิตได้เช่นกัน แอนดรูว์ สตีล นักวิทยาศาสตร์ของ Crick ผู้เขียนคนแรกของ Crick กล่าวว่า "คงไม่นานก่อนที่แพทย์จะใช้เครื่องมือประเภทนี้เป็นประจำในคลินิกเพื่อวินิจฉัยและพยากรณ์โรคที่ดีขึ้น ซึ่งจะช่วยให้พวกเขาตัดสินใจเลือกวิธีที่ดีที่สุดในการดูแลผู้ป่วยได้" กระดาษ. "แพทย์ใช้เครื่องมือคอมพิวเตอร์ในการพิจารณาว่าผู้ป่วยมีความเสี่ยงต่อ โรคหัวใจ หรือไม่ และการเรียนรู้ด้วยเครื่องจะช่วยให้สามารถพัฒนาแบบจำลองที่แม่นยำยิ่งขึ้นสำหรับสภาวะต่างๆ ที่กว้างขึ้น" โมเดลที่ขับเคลื่อนด้วยข้อมูล แบบจำลองนี้ได้รับการออกแบบโดยใช้ข้อมูลสุขภาพอิเล็กทรอนิกส์ของผู้ป่วยกว่า 80,000 ราย ซึ่งรวบรวมเป็นส่วนหนึ่งของการดูแลตามปกติ และพร้อมใช้งานสำหรับนักวิจัยบนแพลตฟอร์ม CALIBER นักวิทยาศาสตร์ที่ Crick ซึ่งทำงานร่วมกับเพื่อนร่วมงานที่ Farr Institute of Health Informatics Research และ University College London Hospitals NHS Foundation Trust ต้องการดูว่าพวกเขาสามารถสร้างแบบจำลองสำหรับโรคหลอดเลือดหัวใจซึ่งเป็นสาเหตุการเสียชีวิตอันดับต้น ๆ ในสหราชอาณาจักรได้หรือไม่ - มีประสิทธิภาพเหนือกว่าผู้เชี่ยวชาญโดยใช้เทคนิคแมชชีนเลิร์นนิงที่เรียนรู้ด้วยตนเอง โรคหลอดเลือดหัวใจตีบเกิดขึ้นเมื่อหลอดเลือดหลักที่ส่งเลือด ออกซิเจน และสารอาหารไปเลี้ยงหัวใจเสียหาย หรือตีบตันเพราะไขมันสะสม ในที่สุดการไหลเวียนของเลือดไปยังหัวใจที่จำกัดอาจทำให้เกิดอาการเจ็บหน้าอกและหายใจถี่ได้ ในขณะที่การอุดตันอย่างสมบูรณ์อาจทำให้หัวใจวายได้ แบบจำลองพยากรณ์โรคหลอดเลือดหัวใจที่สร้างขึ้นโดยผู้เชี่ยวชาญ ซึ่งงานนี้ถูกนำไปเปรียบเทียบกับการคาดการณ์ที่จัดทำขึ้นโดยอิงจากตัวแปร 27 ตัวที่ผู้เชี่ยวชาญทางการแพทย์เลือก เช่น อายุ เพศ และอาการเจ็บหน้าอก ในทางตรงกันข้าม ทีม Crick มีอัลกอริทึม AI เพื่อฝึกฝนตนเอง ค้นหารูปแบบ และเลือกตัวแปรที่เกี่ยวข้องมากที่สุดจากชุด 600 ผู้เชี่ยวชาญที่มีประสิทธิภาพดีกว่า ไม่เพียงแต่โมเดลที่ขับเคลื่อนด้วยข้อมูลจะเอาชนะโมเดลที่ออกแบบโดยผู้เชี่ยวชาญในการทำนายการเสียชีวิตของผู้ป่วยเท่านั้น แต่ยังระบุตัวแปรใหม่ที่แพทย์ไม่เคยนึกถึงอีกด้วย "เมื่อพิจารณาจากปัจจัยต่างๆ เช่น อายุ และผู้ป่วยสูบบุหรี่หรือไม่ แบบจำลองของเราดึงการเยี่ยมบ้านจากแพทย์ประจำตัวของพวกเขามาใช้เป็นตัวทำนายที่ดีเกี่ยวกับการเสียชีวิตของผู้ป่วย" แอนดรูว์กล่าว "การเยี่ยมบ้านไม่ใช่สิ่งที่แพทย์โรคหัวใจอาจกล่าวว่ามีความสำคัญในทางชีววิทยาของโรคหัวใจ แต่อาจเป็นข้อบ่งชี้ที่ดีว่าผู้ป่วยไม่สบายเกินกว่าจะไปพบแพทย์ได้ และเป็นตัวแปรที่มีประโยชน์ในการช่วยให้แบบจำลองคาดการณ์ได้อย่างแม่นยำ " การศึกษานี้เป็นการพิสูจน์หลักการในการเปรียบเทียบโมเดลที่ออกแบบโดยผู้เชี่ยวชาญกับแนวทางการเรียนรู้ของเครื่อง แต่โมเดลที่คล้ายกันนี้สามารถนำไปใช้ในคลินิกได้ในอนาคตอันใกล้นี้ "การเรียนรู้ของเครื่องเป็นเครื่องมือที่ทรงพลังอย่างมากในทางการแพทย์ และมีความสามารถที่จะปฏิวัติวิธีที่เราให้บริการดูแลผู้ป่วยในอีกไม่กี่ปีข้างหน้า" แอนดรูว์กล่าว
- ความคิดเห็น
- Facebook Comments
