人工智能提高了瘧疾預(yù)測結(jié)果

小編發(fā)現(xiàn)不少朋友對于 人工智能提高了瘧疾預(yù)測結(jié)果 這方面的信息都比較感興趣，小編就針對 人工智能提高了瘧疾預(yù)測結(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正在推動護理和診斷的許多領(lǐng)域，但它也有助于預(yù)測瘧疾的臨床風險和嚴重程度。

倫敦帝國學院的研究人員應(yīng)用機器學習和基于模型的推理工具來檢測與重癥瘧疾相關(guān)的臨床特征的模式，該樣本來自將近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，嚴重的瘧疾每年奪走40萬多人的生命，其中大多數(shù)死亡是非洲兒童。然而，根據(jù)卑爾根大學副教授Iain G. Johnston的說法，在臨床研究中，“導致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)瘧疾的風險-和死亡-的決定因素。和同事。

研究人員使用相互信息(MI)來學習可以預(yù)測患者預(yù)后的臨床因素。他們還使用HyperTraPS(高三次過渡路徑采樣)算法來創(chuàng)建疾病進展的概率途徑。根據(jù)疾病嚴重程度的臨床特征將患者分為三類-呼吸窘迫，腦瘧疾和嚴重貧血-并將其與死亡聯(lián)系起來。

研究人員寫道，患有腦瘧疾的兒童死亡的風險最高，而沒有兒童的瘧疾則“大大降低了死亡幾率”。呼吸窘迫增加了有或沒有CM的人的死亡幾率。輸血是CM和RD患者的下一個信息豐富的預(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，因為器官可能一直在嘗試清除血液中的感染。

除了確定可預(yù)測死亡的特征外，他們還采用了由11位經(jīng)驗豐富的臨床醫(yī)生驗證的數(shù)據(jù)驅(qū)動方法研究了導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展。

Johnstone等人說：“這種新穎的方法不僅可以捕獲單個風險因素的快照，還可以捕獲有關(guān)疾病進展的學習途徑的全部概率信息，從而使先前患者的病史能夠為新患者的臨床分析提供依據(jù)。” 寫道。“這種方法經(jīng)過測試數(shù)據(jù)集的驗證，符合精密醫(yī)學的目標，并充分利用了可用的生物醫(yī)學數(shù)據(jù);我們預(yù)計它也可以在許多其他疾病和臨床環(huán)境中使用。”