News information : Réseaux de neurones artificiels en soins cardiaques

Un modèle issu de l'intelligence artificielle est les réseaux de neurones artificiels (RNA), souvent appelés réseaux de neurones. Il s'agit d'un modèle mathématique ou informatique qui traite les données connexes (neurones artificiels) pour trouver un modèle dans ces données. Dans ce processus, vous avez des données d'entrée, en passant par un accès de connexion aux données de sortie. Le système s'adapte et apprend avec la plupart des données qui le traversent. Le résultat est une prise de décision experte, ou même un système de prévision, avec une précision proche de 100%. Petit Wondudi, les cliniciens ont utilisé l'IA et des systèmes experts pour fournir des soins de santé meilleurs et en temps opportun à leurs patients.

L'intelligence artificielle en médecine (AIM) a bien résumé certains des domaines dans lesquels ils l'ont appliqué. Ce sont:

  • Génération de notifications et de rappels
  • Aide au diagnostic
  • Critique et planification de la thérapie
  • Agents pour obtenir des informations
  • Reconnaissance et interprétation d'images

Dans une étude réalisée à la fin des années 1990, les chercheurs Lars Edenbrandt, MD, Ph.D. et Bo Heden, MD, Ph.D., de l'hôpital universitaire de Lund, en Suède, s'est engagé à inclure 1 120 registres ECG de patients souffrant d'une crise cardiaque et 10 452 enregistrements de patients normaux. Les réseaux de neurones se sont avérés capables d'utiliser ces données d'entrée et d'établir une relation et un modèle. Cette phase de flexion a été intégrée par le système et a commencé à identifier les patients présentant des ECG anormaux avec une précision 10% supérieure à la plupart des cliniciens / cardiologues du personnel.

Mais un point à noter ici est que, une technologie telle que ANN ne peut pas remplacer un médecin qui examine d'autres facteurs et d'excellentes copies avant de diagnostiquer une crise cardiaque. Il ne peut être utilisé que comme un outil pour compléter et accélérer le processus de diagnostic.

Parlant d'autres facteurs dans la détermination des crises cardiaques, un travail de recherche intéressant a été publié dans une revue scientifique par le groupe Inderscience, International Journal of Knowledge Engineering and Soft Soft Paradigms (IJKESDP) sous le nom "A Computational Algorithm for Evaluation" risque de développer des syndromes coronariens aigus, en utilisant la méthodologie de processus analytique en ligne "(Volume 1, numéro 1, pages 85-99, 2009). Quatre chercheurs grecs avaient osé développer un algorithme de calcul issu d'une technique plus récente, à savoir le traitement analytique en ligne (OLAP). Ils ont utilisé cette méthodologie pour jeter les bases d'un "calculateur de crise cardiaque". L'avantage d'OLAP est qu'il fournit une vue multidimensionnelle des données, permettant de distinguer les modèles en de très grandes données qui autrement resteraient incassables. Il prend en compte plusieurs facteurs et dimensions lors d'une analyse. L'équipe de recherche a reçu des données d'environ 1 000 patients hospitalisés en raison de symptômes du syndrome coronarien aigu. Ces données comprennent des détails sur leurs antécédents familiaux, leur activité physique, leur indice de masse corporelle, leur tension artérielle, leur taux de cholestérol et de diabète. Cela a ensuite été tenté avec un ensemble de données multidimensionnelles similaires provenant d'un groupe d'individus en bonne santé. Toutes ces données ont été utilisées comme intrants dans le processus OLAP, pour explorer le rôle de ces facteurs dans l'évaluation des risques de maladies cardiovasculaires. À divers niveaux de facteurs, des renseignements pourraient être recueillis pour être utilisés comme une combinaison de dimensions pour de futurs diagnostics de mesure des risques.

ANN est plus un "logiciel d'apprentissage" qui absorbe et apprend de la saisie de données. Lorsqu'il est calculé correctement, même à un rythme rapide avec un algorithme éprouvé, il développe des modèles dans les données d'entrée, ou une combinaison de plusieurs dimensions ou facteurs de données, avec lesquels une situation peut être comparée. assigné et de déclarer un pronostic.

En 2009, certains chercheurs de la clinique Mayo ont étudié 189 patients atteints d'endocardite associée à du matériel diagnostiqué entre 1991 et 2003. L'endocardite est une infection impliquant les valves et parfois les cavités cardiaques, souvent causée par des dispositifs implantés au cœur. La mortalité par infection peut aller jusqu'à 60%. Le diagnostic d'une telle infection a nécessité une échocardiographie transœsophagienne, qui est une procédure invasive impliquant l'utilisation d'un endoscope et l'introduction d'une sonde dans l'œsophage. Inutile de dire que cette procédure était dangereuse, désagréable et coûteuse. Des chercheurs de Mayo ont transmis les données de ces 189 patients à l'ANN et ont suivi trois séances de «formation» distinctes pour apprendre à évaluer ces symptômes. Après avoir été testé avec différentes populations d'échantillons (cas connus uniquement, puis un échantillon général d'une combinaison de cas connus et inconnus), l'ANN mieux formé a pu identifier les cas d'endocardite en temps opportun. très efficace, éliminant ainsi la nécessité d'une telle procédure invasive.

La santé moderne devenant de plus en plus des données centrales, l'accès aux données pertinentes des patients devient progressivement extrêmement pratique. Les systèmes AI et Expert avec ses algorithmes et calculateurs ANN offrent d'énormes possibilités pour accélérer le diagnostic et fournir des soins aux patients avec rapidité et précision. À mesure que l'IA progresse, il sera intéressant de voir comment elle marque son empreinte dans le diagnostic et les soins cardiovasculaires, neuro, pulmonaires et oncologiques.

Je vous invite à partager vos expériences et vos réflexions sur la façon dont l'IA a influencé différentes disciplines de la médecine, surtout les soins actifs.