Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Il nuovo centro di UCI cerca di autorizzare i pazienti, fornitori con uso di AI nella sanità

I medici a sistema l'università di California, Irvine e della salubrità di UCI hanno lanciato il centro di UCI per intelligenza artificiale nella medicina diagnostica, che cerca di avanzare la cura paziente, migliorano i risultati di salubrità ed i bassi costi facendo leva la tecnologia di apprendimento automatico in tutte le aree della sanità.

Piombo da Peter D. Chang, il MD e da Daniel S. Chow, il MD, neuroradiologists nel dipartimento delle scienze radiologiche, scuola di medicina di UCI, il centro è un'iniziativa di inter-specialità con un fuoco specifico sullo sviluppare e sull'applicazione delle reti neurali in profondità d'apprendimento alle applicazioni di sanità, quali i sistemi diagnostici, la previsione di malattia e la pianificazione di terapia.

“Il nostro scopo è di autorizzare i fornitori di cure mediche, ricercatori e pazienti con l'uso di intelligenza artificiale nella sanità,„ ha detto Chang.

Il centro per intelligenza artificiale nella medicina diagnostica fornirà una memoria centrale della ricerca che permette a tutta la facoltà, ai medici ed ai ricercatori di UCI, per collaborare sulla traduzione dei concetti AI basati negli strumenti clinici per migliorare la salubrità della popolazione e della persona.

“Il centro svilupperà gli strumenti di apprendimento automatico che possono essere applicati oggi per uso clinico sistematico,„ ha detto il cibo.

La ricerca recente da Chang, da cibo e dai colleghi riflette la natura di traduzione del loro lavoro.

A giugno, Chang è stato riconosciuto dalla società americana di neuroradiologia con il premio 2018 di Cornelius G. Dyke Memorial per il suo lavoro sul mettere a punto un sistema d'insegnamento in profondità su misura con accuratezza più di di 97% nella rilevazione di tempo reale vicino dell'emorragia cerebrale sugli esami della testa di CT di non contrasto (NCCT). Il sistema si è applicato a più di 10.000 esami della rappresentazione di salubrità di UCI per verificare il sui risparmio di temi ed accuratezza ed è stato convalidato con i dati futuro-acquistati. Lo studio ha compreso sia la rilevazione che la quantificazione delle immagini al vivo del cervello, compreso emorragie intracraniche, intraparenchymal, epidurali/subdurali e subaracnoidee.

“Le emorragie intracraniche sono emergenze mediche significative che provoca la mortalità paziente di 40%, malgrado cura aggressiva,„ ha detto Chang. “La diagnosi iniziale ed accurata è necessaria per la gestione delle immagini al vivo pericolose del cervello e migliorare le probabilità del ripristino.„

Il rendimento elevato dimostrato dell'interpretazione in tempo reale su NCCTs futuro ordinato dal pronto soccorso su un periodo di un mese suggerisce l'utilizzabilità clinica dello strumento di AI. Il centro ora sta preparando il sistema per uso clinico nel pronto soccorso del centro medico di UCI.

“La ricerca è un esempio di come possiamo usare la tecnologia di apprendimento automatico per migliorare la consegna del dipartimento acuto di cura in caso d'urgenza accelerando la valutazione di cura paziente ed offrendo più informazione dettagliata per guidare il processo decisionale clinico,„ ha detto il cibo. “Una rappresentazione AI basata può essere usata come un sistema della valutazione per assistere i radiologi nell'identificazione degli esami prioritari per l'interpretazione o come metodo per quantificare rapido il volume di ICH, o entrambi.„

Nell'altra ricerca, pubblicata questo mese in giornale americano di neuroradiologia, Chang, il cibo ed i colleghi hanno sviluppato una tecnica di rappresentazione AI basata che analizza esattamente le mutazioni genetiche in tumori cerebrali e rende possibile l'uso delle biopsie virtuali. I miglioramenti di manifestazione di risultati ad un tipo di apprendimento automatico hanno chiamato le reti neurali dell'avvolgimento e dimostra la capacità per riconoscere i dettagli chiave della rappresentazione senza direzione umana.

Il sistema ha reso 94 per cento di accuratezza diagnostica nella determinazione dei pazienti genetici pertinenti di mutazioni con i gliomi bassi o di prima scelta, o i tumori cerebrali.