Neseniai „Moksliniuose ataskaitose“ paskelbtas tyrimas pabrėžia revoliucingą dirbtinio intelekto (AI) potencialą naudojant tinklainės fondo vaizdus ir dirbtinį intelektą kaip diagnostikos kriptavimo metodiką Parkinsono liga (PL) atpažįstant. Tyrimas, pavadinimu „Gili mokymas prognozuoja prevalevencinę ir įvykio Parkinsono ligą iš Didžiosios Britanijos Biobanko fondo vaizdų“, demonstruoja AI galios tiksliai prognozuoti PL prieš oficialų jos diagnozę.
PL yra neurodegeneracinė liga, kurią būdingas progresyvus dopaminerginių neuronų nuostolis smegenyse. Efektyvių intervencijų nėra vyresnio amžiaus žmonėms, turintiems PL, ir tai lėmė PL susijusių mirties atvejų padidėjimą. Todėl svarbu sukurti ankstyvąsias diagnostikos sistemas, siekiant pagerinti pacientų rezultatus.
Tinklainė, dažnai vadinama smegenų lango, teikia vertingų įžvalgų į neurodegeneracines ligas. Tačiau klinikinės išvados apie tinklainės degeneraciją gali būti neapibrėžtos. Šis tyrimas tyrinėja, kaip AI algoritmai, įskaitant giliuosius mokymosi modelius, gali sustiprinti tinklainės vaizdų diagnostinį potencialą.
Mokslininkai sutelkė dėmesį į AI algoritmų klasifikavimo efektyvumą skirtinguose PL pažangos etapuose. Naudodami gilųjį mokymą ir tradicinius mašininio mokymosi metodus, jie siekė maksimaliai padidinti šių algoritmų diagnostinį gebėjimą.
Tyrimas parodė, kad gilieji neuroniniai tinklai pralenkė tradicinius mašininio mokymosi modelius aptikdami PL iš tinklainės fondo vaizdų. Ypač AI modelis sėkmingai prognozavo PL atsiradimą prieš oficialią diagnozę, pasiekdamas 80% jautrumo lygį per penkerių metų laikotarpį.
Šie rezultatai yra žadančių, kad ankstyvas ligos intervencija gali žymiai pagerinti pacientų rezultatus. Studija taip pat parodė AI potencialą papildyti ligos biomarkerių vertinimą ir atlikti didelio masto įvertinimus.
Nors tyrimas buvo sutelktas į PL, ateityje reikės papildomų tyrimų, kad būtų nustatyta, ar AI modelius galima pritaikyti kitoms neurodegeneracinėms ligoms ir akių būklei. Be to, mokslininkai pripažino savo tyrimo ribotumus, įskaitant duomenų rinkinio dydį ir ribotą jų galią bendrai taikyti išvadas Didžiosios Britanijos populiacijai.
Išvadose šis prasisklandžiantis tyrimas pabrėžia AI algoritmų potencialą prognozuojant PL iš tinklainės fondo vaizdų. Jis atveria kelią tolesniems tyrimams ir tarnauja kaip nuoroda algoritmo pasirinkimui klinikinėse sąlygose. Pasinaudojant AI galia, ankstyvoji PL diagnozė ir intervencija gali tapti prieinamesnė, galbūt pagerinant milijonų, kurie kenčia nuo šios negalios, gyvenimus.
DUK Skiltis:
The source of the article is from the blog meltyfan.es