Kutatók a Boston Gyermekkórházban jelentős lépéseket tettek a baba-egészségügy javítása érdekében, egy úttörő gépi tanulási modell kidolgozásával. Ez a modell pontosan megjósolja a dilatáló vesicoureteralis reflux (VUR) kockázatát olyan csecsemőknél, akiknél hydronephrosisban diagnosztizálják, azaz olyan állapotban, amikor a vizelet visszafolyik a vesébe.
Hagyományosan a prenatalis ultrahangvizsgálatokat használják hydronephrosis azonosítására, de korlátaik vannak a dilatáló VUR kimutatásában, ami az állapot vezető okozója. Míg a vizelési cisztourethrographia (VCUG) pontosabb kimutatást tesz lehetővé, mindkét beavatkozásos és költséges. Felismerve a szükségességét a jobb szűrőmódszereknek, a kutatócsoport olyan eszközt hozott létre, amely hatékonyan használja az ultrahangvizsgálatok eredményeit a VUR-ra legnagyobb kockázatot mutató csecsemők azonosítására, akik így részesülnének további szűrésben a VCUG-on keresztül.
Tanulmányuk során a csapat egy gépi tanulási algoritmust fejlesztett ki adatok felhasználásával, melyeket 280 csecsemőnél alkalmaztak ultrahangvizsgálatokra hydronephrosis miatt, majd később VCUG-ra a Boston Gyermekkórházban. Az információk felhasználásával a beteg részletekkel és a húgyúti dilatáció osztályozásával, a modell sikeresen megjósolta a dilatáló VUR kockázatát egy lenyűgöző 0,81 alatti görbületi alá.
A kutatócsoport azonosította a VUR jelentős előrejelző faktorait a kohorszban, mint például a nem, az ureterális dilatáció, a parenchyma vastagsága, a parenchyma megjelenése és a központi cayceal dilatáció. Továbbá kiemelték a modell pontosságát és érthetőségét, lehetővé téve a klinikusok számára a könnyű értelmezést a mindennapi klinikai beállításokban.
Dr. Hsin-Hsiao (Scott) Wang a tanulmány vezetője és urológusa a Boston Gyermekkórháznak, kifejezte a modell potenciális hatását a betegek kezelésére hydronephrosissal kapcsolatban. A cél az, hogy a klinikusokat egy kristálygömbhöz hasonló előrelátással lássák el, megszüntetve a felesleges teszteket a gyermekek számára.
Ez az újítás a baba-egészségügyben bemutatja az emberi feltételezés növekvő használatát a gyermekkori állapotok kezelésének javítására. A Pittsburghi Egyetem és az UPMC kutatói is nemrég fedték fel egy AI-hajtású okostelefon alkalmazást, ami képes diagnosztizálni az akut otitis media (AOM) betegséget, egy gyakori állapotot a gyermek betegeknél. Az alkalmazás videókat elemzése a dobhártyáról a klinikusoknak a pontos AOM diagnosztizálásában.
További finomítással és további betegrekordok integrációjával a gépi tanulási modell a hydronephrosis számára arra törekszik, hogy megjósolja, hogy a beteg állapota természetesen meg fog-e oldódni, vagy orvosi beavatkozásra lesz-e szükség. Ez a forradalmi módszer a baba-egészségügyön belül a hydronephrosis javított szűrési módszereket kínál, csökkentve az invazív eljárásokat, és javítva a beteg kezelését a hydronephrosisban, végül is jobb egészségügyi eredményeket hozva a világ csecsemőinek.
GYIK – Gépi tanulási modell a dilatáló vesicoureteralis reflux (VUR) kockázatának előrejelzésére
The source of the article is from the blog crasel.tk