Boston Çocuk Hastanesindeki araştırmacılar, bebek sağlığını iyileştirmede önemli adımlar atarak çığır açan bir makine öğrenme modeli geliştirerek bebek sağlığını yeniden şekillendiriyorlar. Bu model, hidronefroz tanısı konmuş bebeklerde dilate veziküroüreteral reflü (VUR) riskini doğru bir şekilde tahmin ediyor. Bu, idrarın böbreğe geri akmasıyla karakterize edilen bir durum olan hidronefrozun önde gelen nedenlerinden biridir.
Geleneksel olarak, prenatal ultrasonlar hidronefrozu belirlemede kullanılır, ancak dilate VUR’u tespit etmede sınırlamaları vardır. Bir boşaltma sistoüretrografi (VCUG) daha doğru bir tespit sunsa da hem invazivdir hem de maliyetlidir. Daha iyi tarama yöntemlerine olan ihtiyacı fark eden araştırma ekibi, ultrason bulgularını etkin bir şekilde kullanarak VUR için en yüksek risk altındaki bebekleri tanımlayabilen bir araç geliştirmeyi hedefledi; böylece bu bebekler ilave taramalardan VCUG ile faydalanabilecekti.
Çalışmaları sırasında ekip, Boston Çocuk Hastanesi’nde hidronefroz için ultrason ve sonrasında VCUG uygulanan 280 bebekten elde edilen verileri kullanarak bir makine öğrenme algoritması geliştirdi. Görüntüleme bilgileri, hasta detayları ve idrar yolu genişleme sınıflandırmasını entegre ederek, model dilate VUR riskini etkileyici 0,81’lik bir alan altındaki eğri ile başarılı bir şekilde tahmin etti.
Araştırma ekibi, kohortta VUR için cinsiyet, üreter genişlemesi, parenkim kalınlığı, parenkim görünümü ve merkezi kaliseal genişleme gibi belirli faktörleri önemli tahminciler olarak belirledi. Ayrıca, modelin doğruluğunu ve sezgiselliğini vurgulayarak, klinisyenlerin rutin klinik ayarlarında kolay bir şekilde yorum yapmasını sağladı.
Çalışmanın lideri ve Boston Çocuk Hastanesi’nde ürolog olan Dr. Hsin-Hsiao (Scott) Wang, modelin hidronefroz için hasta yönetimindeki potansiyel etkisini ifade etti. Amacı, klinisyenlere bir kristal top kadar ileriyi görmelerinde yardımcı olmaktır, böylece çocuklar için gereksiz testleri ortadan kaldırır.
Bu bebek sağlığı alanındaki gelişme, pediatrik durumlar için bakımı iyileştirmek amacıyla yapay zekanın (AI) artan kullanımını göstermektedir. Pittsburgh Üniversitesi’nden ve UPMC’den araştırmacılar ayrıca son zamanlarda, pediatrik hastalarda sık görülen akut otitis media’yı (AOM) teşhis edebilen bir AI destekli akıllı telefon uygulaması sundular. Uygulama, klinisyenlere doğru tanı yapmada yardımcı olmak için timpanometri videolarını analiz eder ve hatalı şekilde antibiyotik kullanımını önler.
Daha fazla hassaslaştırma ve daha fazla hasta kaydının entegrasyonu ile hidronefroz için makine öğrenme modeli, bir hastanın durumunun doğal olarak düzeleceğini mi yoksa tıbbi müdahale gerekip gerekmediğini tahmin etmeyi amaçlamaktadır. Bu buluş, bebek sağlığını devrim niteliğinde değiştirmeye yönelik potansiyele sahiptir, iyileştirilmiş tarama yöntemleri, azaltılmış invaziv prosedürler ve hidronefroz için geliştirilmiş hasta yönetimi sunarak sonuç olarak dünya çapındaki bebekler için daha iyi sağlık sonuçlarına yol açabilir.
Sık Sorulan Sorular (SSS) – Dilate Veziküroüreteral Reflü (VUR) Riskini Tahmin Etmek İçin Makine Öğrenme Modeli
The source of the article is from the blog girabetim.com.br