Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Le centre neuf d'UCI recherche à autoriser les patients, fournisseurs par utilisation d'AI dans la santé

Les médecins l'Université de Californie, à Irvine et le système de santé d'UCI ont lancé le centre d'UCI pour l'artificial intelligence en médicament diagnostique, qui recherche à avancer des soins aux patients, améliorent des résultats de santé et des coûts inférieurs en accroissant la technologie d'apprentissage automatique dans tous les endroits de santé.

Abouti par Peter D. Chang, DM, et Daniel S. Chow, DM, neuroradiologists dans le service des sciences radiologiques, École de Médecine d'UCI, le centre est une initiative de croix-spécialité avec une orientation spécifique sur développer et appliquer les réseaux neuronaux apprenants profondément aux applications de santé, telles que la diagnose, la prévision de la maladie et la planification de traitement.

« Notre objectif est d'autoriser des fournisseurs de soins de santé, des chercheurs et des patients par l'utilisation de l'artificial intelligence dans la santé, » a dit Chang.

Le centre pour l'artificial intelligence en médicament diagnostique fournira un faisceau central de recherches qui active tout le corps enseignant, médecins et chercheurs d'UCI, pour collaborer sur traduire des concepts basés sur AI dans les outils cliniques pour améliorer la santé de personne et de population.

« Le centre développera les outils d'apprentissage automatique qui peuvent être mis en application pour l'utilisation clinique courante aujourd'hui, » a dit Chow.

La recherche récente de Chang, de Chow et de collègues réfléchit la nature de translation de leur travail.

En juin, Chang a été identifié par la société américaine du Neuroradiology avec la récompense 2018 de Cornélius G. Dyke Memorial pour son travail sur développer un système apprenant profond personnalisé avec l'exactitude plus de 97% dans le dépistage de temps quasi-réel de l'hémorragie cérébrale sur des examens de chef de CT de non-contraste (NCCT). Le système a été appliqué à plus de 10.000 examens de représentation de santé d'UCI pour vérifier son rendement et exactitude et a été validé avec des caractéristiques estimatif-acquises. L'étude a compris le dépistage et la quantification du cerveau saigne, y compris intracrânien, intraparenchymal, épidural/subdural et des hémorragies sous-arachnoïdiennes.

Les « hémorragies intracrâniennes sont des urgences médicales significatives qui a comme conséquence la mortalité patiente de 40%, en dépit des soins agressifs, » a dit Chang. « Tôt et le diagnostic précis est nécessaire pour le management du cerveau potentiellement mortel saigne et pour améliorer la chance de la guérison. »

La haute performance expliquée de l'évaluation en temps réel sur NCCTs estimatif commandé du service des urgences sur une période d'un mois propose l'utilité clinique de l'outil d'AI. Le centre prépare maintenant le système pour l'utilisation clinique au service des urgences de centre médical d'UCI.

« La recherche est un exemple de la façon dont nous pouvons employer la technologie d'apprentissage automatique pour améliorer la distribution du service aigu de soins en cas d'urgence en accélérant la sélection des soins aux patients et en offrant plus d'informations détaillées pour guider la prise de décision clinique, » a dit Chow. « Une représentation basée sur AI peut être employée en tant qu'un système de sélection pour aider des radiologues en recensant les examens prioritaires pour l'évaluation ou comme méthode pour mesurer rapidement le volume de maladie des points blancs, ou les deux. »

Dans l'autre recherche, ce mois publié en tourillon américain de Neuroradiology, Chang, Chow et collègues ont développé une technique d'imagerie basée sur AI qui analyse exactement des mutations génétiques dans les tumeurs cérébrales et rend l'utilisation possible des biopsies virtuelles. Les découvertes montrent des améliorations à un type de réseaux neuronaux circonvolutionnaires appelés d'apprentissage automatique et expliquent la capacité pour identifier les petits groupes principaux de représentation sans sens humain.

Le système a fourni 94 pour cent d'exactitude diagnostique en déterminant les patients génétiques appropriés de mutations avec les gliomes inférieurs ou à haute teneur, ou tumeurs cérébrales.