Ouvrez les outils d'apprentissage automatique de source aussi bons que des êtres humains en trouvant des cas de cancer

L'apprentissage automatique est venu de l'âge l'enregistrement de santé publique selon des chercheurs de l'institut de Regenstrief et de l'école d'université d'Indiana de l'informatique et en calculant à l'université Indianapolis d'Université-Purdue de l'Indiana. Ils ont constaté que les algorithmes existants et les outils ouverts d'apprentissage automatique de source étaient aussi bons que, ou meilleur que, les vérificatrices humaines en trouvant des cas de cancer utilisant des caractéristiques des états de pathologie de texte libre. L'approche automatisée était également moins de moyen d'intensif plus rapide et par rapport aux homologues humaines.

Chaque condition aux Etats-Unis exige des cas de cancer d'être rapportés aux registres du cancer par état pour le rail de la maladie, l'identification des populations à risque, et la reconnaissance des tendances exceptionnelles ou des boîtiers. Type, cependant, les fournisseurs de soins de santé occupés soumettent des états de cancer aux mois publics également occupés de services de santé dans le cours de la demande de règlement d'un patient plutôt qu'au moment du diagnostic initial.

Il peut être difficile pour que les agents de la Santé interprètent cette information, qui peuvent davantage retarder l'action de service de santé, quand l'action est nécessaire. L'institut de Regenstrief et les chercheurs d'unité internationale ont expliqué que l'apprentissage automatique peut grand faciliter le procédé, par automatiquement et rapidement extrayant la signification essentielle du plaintext, également connu sous le nom de texte libre, la pathologie enregistre, et en utilisant les pour la prise de décision.

« Vers un meilleur enregistrement de santé publique utilisant des approches disponibles sur le marché existantes : Une comparaison des approches alternatives de dépistage du cancer utilisant des caractéristiques médicales de Plaintext et la sélection de mode basée pardictionnaire » est publiée dans l'édition d'avril 2016 du tourillon de l'informatique biomédicale.

« Nous pensons que son plus nécessaire pour que les êtres humains passent le temps observant le texte enregistre pour déterminer si le cancer est présent ou pas, » a dit l'étude l'auteur Shaun supérieur Grannis, M.D., M.S., directeur intérimaire du centre de Regenstrief de l'informatique biomédicale. « Nous sommes venus au moment que la technologie peut traiter ceci. Le temps d'un être humain mieux est passé aidant d'autres êtres humains en leur fournissant de meilleurs soins cliniques. »

Le « beaucoup de le travail que nous effectuerons en informatique dans les prochaines années sera concentré sur la façon dont nous pouvons tirer bénéfice de l'apprentissage automatique et de l'artificial intelligence. Tout -- pratiques en matière de médecin, systèmes de santé, échanges de l'information santé, assureurs, ainsi que services de santé publics -- soyez inondé dans les océans des caractéristiques. Comment pouvons-nous espérer sembler raisonnable de ce déluge des caractéristiques ? Les êtres humains ne peuvent pas le faire -- mais les ordinateurs mettent en boîte. »

Le M. Grannis, un chercheur d'institut de Regenstrief et un professeur agrégé de la médecine de la famille à l'École de Médecine d'unité internationale, est l'architecte du détecteur syndromic de contrôle de Regenstrief pour des maladies transmissibles et a abouti la mise en place technique du système de surveillance de secours de la santé publique de l'Indiana - un du pays plus grand. Les études au cours de la dernière décennie ont prouvé que ce système trouve des manifestations de maladies transmissibles sept à neuf jours plus tôt et trouvent quatre fois autant de cas en tant qu'enregistrement humain tout en fournissant des caractéristiques plus complètes.

« Ce qui est également intéressant est que nos efforts montrent le potentiel significatif pour l'usage dans des pays de mal desservi, où une majorité de caractéristiques cliniques est rassemblée sous forme de texte libre non structuré, » ont dit l'étude le premier auteur Suranga N. Kasthurirathne, un étudiant au doctorat à l'école de l'informatique et calculer à IUPUI. « En outre, en plus du dépistage du cancer, notre approche peut être aussi bien adoptée pour un large éventail d'autres conditions. »

Les chercheurs ont échantillonné 7.000 états de pathologie de texte libre de plus de 30 hôpitaux qui participent à l'échange de l'information santé de l'Indiana et ont utilisé des outils opens sources, algorithmes de catégorie, et la sélection de mode variable s'approche pour prévoir si un état était positif ou négatif pour le cancer. Les résultats ont indiqué qu'une révision entièrement robotisée a donné des résultats assimilés ou les améliore que ceux du temps humain qualifié de vérificatrices, de sauvegarder et de l'argent.

Le « apprentissage automatique peut maintenant supporter des idées et les concepts que nous nous sommes rendus compte de pendant des décennies, telles qu'une compréhension fondamentale des termes médicaux, » ont indiqué M. Grannis. « Nous avons constaté que l'artificial intelligence était aussi mineur que précis comme êtres humains en recensant des cas de cancer des caractéristiques cliniques de texte libre. Par exemple l'ordinateur « a appris » que la « feuille » du mot ou les « feuilles » a signifié le cancer comme la « feuille » ou les « feuilles des cellules sont employées dans des états de pathologie pour indiquer la malignité.

« Ce n'est pas une avance dans les idées, il est une avance importante d'infrastructure -- nous avons la technologie, nous avons les caractéristiques, nous avons le logiciel dont nous avons vu l'étude précise et synoptique des immenses quantités de caractéristiques sans supervision humaine ou la supervision. »

Source:

Indiana University