人工智能提高了瘧疾預(yù)測(cè)結(jié)果

小編發(fā)現(xiàn)不少朋友對(duì)于 人工智能提高了瘧疾預(yù)測(cè)結(jié)果 這方面的信息都比較感興趣，小編就針對(duì) 人工智能提高了瘧疾預(yù)測(cè)結(jié)果 整理了一些相關(guān)方面的信息 在這里分享給大家。

醫(yī)療保健中的AI正在推動(dòng)護(hù)理和診斷的許多領(lǐng)域，但它也有助于預(yù)測(cè)瘧疾的臨床風(fēng)險(xiǎn)和嚴(yán)重程度。

倫敦帝國(guó)學(xué)院的研究人員應(yīng)用機(jī)器學(xué)習(xí)和基于模型的推理工具來(lái)檢測(cè)與重癥瘧疾相關(guān)的臨床特征的模式，該樣本來(lái)自將近3,000名因瘧疾入院的岡比亞兒童。他們的發(fā)現(xiàn)發(fā)表在npj Digital Medicine上。

研究人員稱(chēng)，嚴(yán)重的瘧疾每年奪走40萬(wàn)多人的生命，其中大多數(shù)死亡是非洲兒童。然而，根據(jù)卑爾根大學(xué)副教授Iain G. Johnston的說(shuō)法，在臨床研究中，“導(dǎo)致SM的事件順序了解得很少”，并且在臨床研究中很少發(fā)現(xiàn)瘧疾的風(fēng)險(xiǎn)-和死亡-的決定因素。和同事。

研究人員使用相互信息(MI)來(lái)學(xué)習(xí)可以預(yù)測(cè)患者預(yù)后的臨床因素。他們還使用HyperTraPS(高三次過(guò)渡路徑采樣)算法來(lái)創(chuàng)建疾病進(jìn)展的概率途徑。根據(jù)疾病嚴(yán)重程度的臨床特征將患者分為三類(lèi)-呼吸窘迫，腦瘧疾和嚴(yán)重貧血-并將其與死亡聯(lián)系起來(lái)。

研究人員寫(xiě)道，患有腦瘧疾的兒童死亡的風(fēng)險(xiǎn)最高，而沒(méi)有兒童的瘧疾則“大大降低了死亡幾率”。呼吸窘迫增加了有或沒(méi)有CM的人的死亡幾率。輸血是CM和RD患者的下一個(gè)信息豐富的預(yù)后特征，似乎可以降低死亡率。

研究人員還發(fā)現(xiàn)，脾臟增大的患者的臨床預(yù)后較好，因?yàn)槠鞴倏赡芤恢痹趪L試清除血液中的感染。

除了確定可預(yù)測(cè)死亡的特征外，他們還采用了由11位經(jīng)驗(yàn)豐富的臨床醫(yī)生驗(yàn)證的數(shù)據(jù)驅(qū)動(dòng)方法研究了導(dǎo)致死亡的一系列事件，其中大多數(shù)人表示不確定疾病的進(jìn)展。

Johnstone等人說(shuō)：“這種新穎的方法不僅可以捕獲單個(gè)風(fēng)險(xiǎn)因素的快照，還可以捕獲有關(guān)疾病進(jìn)展的學(xué)習(xí)途徑的全部概率信息，從而使先前患者的病史能夠?yàn)樾禄颊叩呐R床分析提供依據(jù)。” 寫(xiě)道。“這種方法經(jīng)過(guò)測(cè)試數(shù)據(jù)集的驗(yàn)證，符合精密醫(yī)學(xué)的目標(biāo)，并充分利用了可用的生物醫(yī)學(xué)數(shù)據(jù);我們預(yù)計(jì)它也可以在許多其他疾病和臨床環(huán)境中使用。”