人工智能提高了瘧疾預測結果

小編發(fā)現(xiàn)不少朋友對于 人工智能提高了瘧疾預測結果 這方面的信息都比較感興趣，小編就針對 人工智能提高了瘧疾預測結果 整理了一些相關方面的信息 在這里分享給大家。

醫(yī)療保健中的AI正在推動護理和診斷的許多領域，但它也有助于預測瘧疾的臨床風險和嚴重程度。

倫敦帝國學院的研究人員應用機器學習和基于模型的推理工具來檢測與重癥瘧疾相關的臨床特征的模式，該樣本來自將近3,000名因瘧疾入院的岡比亞兒童。他們的發(fā)現(xiàn)發(fā)表在npj Digital Medicine上。

研究人員稱，嚴重的瘧疾每年奪走40萬多人的生命，其中大多數(shù)死亡是非洲兒童。然而，根據(jù)卑爾根大學副教授Iain G. Johnston的說法，在臨床研究中，“導致SM的事件順序了解得很少”，并且在臨床研究中很少發(fā)現(xiàn)瘧疾的風險-和死亡-的決定因素。和同事。

研究人員使用相互信息(MI)來學習可以預測患者預后的臨床因素。他們還使用HyperTraPS(高三次過渡路徑采樣)算法來創(chuàng)建疾病進展的概率途徑。根據(jù)疾病嚴重程度的臨床特征將患者分為三類-呼吸窘迫，腦瘧疾和嚴重貧血-并將其與死亡聯(lián)系起來。

研究人員寫道，患有腦瘧疾的兒童死亡的風險最高，而沒有兒童的瘧疾則“大大降低了死亡幾率”。呼吸窘迫增加了有或沒有CM的人的死亡幾率。輸血是CM和RD患者的下一個信息豐富的預后特征，似乎可以降低死亡率。

研究人員還發(fā)現(xiàn)，脾臟增大的患者的臨床預后較好，因為器官可能一直在嘗試清除血液中的感染。

除了確定可預測死亡的特征外，他們還采用了由11位經(jīng)驗豐富的臨床醫(yī)生驗證的數(shù)據(jù)驅動方法研究了導致死亡的一系列事件，其中大多數(shù)人表示不確定疾病的進展。

Johnstone等人說：“這種新穎的方法不僅可以捕獲單個風險因素的快照，還可以捕獲有關疾病進展的學習途徑的全部概率信息，從而使先前患者的病史能夠為新患者的臨床分析提供依據(jù)。” 寫道。“這種方法經(jīng)過測試數(shù)據(jù)集的驗證，符合精密醫(yī)學的目標，并充分利用了可用的生物醫(yī)學數(shù)據(jù);我們預計它也可以在許多其他疾病和臨床環(huán)境中使用。”