Een baanbrekend onderzoek uitgevoerd in het 920e ziekenhuis van de Gezamenlijke Logistieke Ondersteuningsmacht heeft gebruik gemaakt van machine learning om een voorspellend model te ontwikkelen dat het risico op myocardiale ischemie beoordeelt bij militair personeel dat traint in hooggelegen omgevingen. Dit innovatieve onderzoek, dat medische expertise combineert met kunstmatige intelligentie, heeft als doel de veiligheid en het welzijn van soldaten die worden ingezet op uitdagende hoogtes te bevorderen.
Het benutten van de Kracht van Machine Learning
Voor het onderzoek richtten de onderzoekers zich op een groep soldaten die gezondheidsonderzoeken ondergingen tussen januari en juni 2022 en die gepland stonden voor hooggelegen training. Uit een oorspronkelijke groep van 4.000 personen hebben de onderzoekers strenge inclusie- en exclusiecriteria gebruikt om de steekproefgrootte te verkleinen tot 2.855 deelnemers. Nauwkeurige criteria voor het elektrocardiogram (ECG) werden gebruikt om myocardiale ischemie te diagnosticeren, een aandoening veroorzaakt door geblokkeerde bloedtoevoer naar de hartspier.
Verfijnen van het Predictiemodel
De verkregen gegevens van de deelnemers werden gestandaardiseerd en verdeeld in trainings- en testsets voor analyse. Deze verdeling stelt het machine learning model in staat om patronen te leren van de trainingsset en vervolgens de voorspellende mogelijkheden ervan te evalueren op de testset. Verschillende machine learning algoritmen werden onderzocht, waarbij het Recursive Feature Elimination (RFE) algoritme opvallend de meest invloedrijke klinische kenmerken identificeerde. Om de efficiëntie van het model te meten, hebben de onderzoekers de area under the receiver operating characteristic curve (AUC) gebruikt, een veelgebruikte methode om de prestaties van voorspellende modellen te evalueren.
Implicaties voor de Gezondheid en Veiligheid van het Militair
Het ontwikkelde model toonde een hoge nauwkeurigheid in het voorspellen van het risico op myocardiale ischemie, en biedt daarmee een krachtig instrument om de hartgezondheid van soldaten in hooggelegen inzetgebieden te beoordelen. Door personen die risico lopen te identificeren voordat ze deze uitdagende omgevingen betreden, kan deze nieuwe toepassing van machine learning de veiligheid en gereedheid van militaire strijdkrachten aanzienlijk verbeteren. Het onderzoek hield zich aan ethische richtlijnen, waarbij toestemming werd verkregen van alle deelnemers, en toonde de veelbelovende synergie tussen technologie en gezondheidszorg, waarmee de weg wordt vrijgemaakt voor toekomstige voorspellende medische interventies.
The source of the article is from the blog macnifico.pt