یک مطالعه نوآورانه که در بیمارستان 920 Joint Logistic Support Force انجام شده است، از یادگیری ماشین برای توسعه یک مدل پیشبینی استفاده کرده است که خطر ایسکمی قلبی را در بین نیروهای نظامی آموزش دیده در محیطهای با ارتفاع بالا ارزیابی میکند. این پژوهش نوآورانه، که تخصص پزشکی را با هوش مصنوعی ترکیب میکند، هدف اصلی طراحی مدل است که از جان و امنیت سربازان مستعد در مقابل چالشهای ارتفاعهای بالا حفاظت نماید.
استفاده از قدرت یادگیری ماشین
برای انجام این مطالعه، پژوهشگران بر روی یک گروه از سربازانی تمرکز کردند که در دورههایی بین ژانویه تا ژوئن 2022، آزمونهای تندرستی داشتهاند و برای آموزش در محیطهای با ارتفاع بالا برنامهریزی شدهاند. از بین ۴۰۰۰ نفر، محققان با استفاده از معیارهای چالشی جزئیات حاضرین و حذف آنها، نمونه را به ۲۸۵۵ نفر کاهش دادند. معیارهای دقیق الکتروکاردیوگرافی (ECG) برای تشخیص ایسکمی قلبی، که حالتی است که گرفتگی خون به عضله قلبی را به دنبال دارد، استفاده شد.
دقیقهتر کردن مدل پیشبینی
دادههای به دست آمده از شرکت کنندگان معیار سازی شد و برای تجزیه و تحلیل به مجموعههای آموزش و تست تقسیم شد. این تقسیم اجازه میدهد تا مدل یادگیری ماشین الگوها را از مجموعه آموزش یادبگیرد و سپس توانایی پیشبینی آن را بر روی مجموعه تست ارزیابی کند. چند الگوریتم یادگیری ماشین بررسی شد و الگوریتم Recursive Feature Elimination (RFE) به خصوص ویژگیهای بالقوه بالقوه بیمارستانی مهمترین کاربرد را تشخیص داد. برای اندازهگیری کارایی مدل، پژوهشگران از مساحت زیر منحنی عملکرد مشخصهیابی دریافتکننده (AUC) استفاده کردند که یک روش رایج برای ارزیابی عملکرد مدلهای پیشبینی است.
تبعات برای بهداشت و ایمنی نیروهای نظامی
مدل توسعهیافته دقت بالایی در پیشبینی خطر ایسکمی قلبی را به ارمغان آورد و به یک ابزار قدرتمند برای ارزیابی سلامتی قلبی سربازان در پروژههای با ارتفاع بالا تبدیل شد. با شناسایی افراد مستعد قبل از ورود به این محیطهای چالشی، این کاربرد نوآورانه از یادگیری ماشین میتواند به طور قابل توجهی ایمنی و آمادگی نیروهای نظامی را بهبود بخشد. این تحقیق با رعایت رهنمودهای اخلاقی، با به دست آوردن رضایت آگاهانه از تمام شرکت کنندگان، از همکاری ناوگان فناوری و بهداشت نمونهای صحیح خویش استفاده کرده و راه را برای مداخلات پزشکی پیشبینیای در آینده باز میکند.
The source of the article is from the blog qhubo.com.ni