Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

O centro novo de UCI procura autorizar os pacientes, fornecedores com o uso do AI nos cuidados médicos

Os médicos no sistema do University of California, Irvine e da saúde de UCI lançaram o centro de UCI para a inteligência artificial na medicina diagnóstica, que procura avançar o assistência ao paciente, melhoram resultados da saúde e uns mais baixos custos leveraging a tecnologia de aprendizagem da máquina em todas as áreas dos cuidados médicos.

Conduzido por Peter D. Chang, DM, e Daniel S. Comida, DM, neuroradiologists no departamento de ciências radiológicas, Faculdade de Medicina de UCI, o centro é uma iniciativa da cruz-especialidade com um foco específico em desenvolver e em aplicar redes neurais profundamente de aprendizagem às aplicações dos cuidados médicos, tais como diagnósticos, previsão da doença e planeamento da terapia.

“Nosso objetivo é autorizar fornecedores de serviços de saúde, pesquisadores e pacientes com o uso da inteligência artificial nos cuidados médicos,” disse Chang.

O centro para a inteligência artificial na medicina diagnóstica fornecerá um núcleo central da pesquisa que permita toda a faculdade, médicos e pesquisadores de UCI, para colaborar em traduzir conceitos AI-baseados em ferramentas clínicas para melhorar a saúde do indivíduo e da população.

“O centro desenvolverá as ferramentas da aprendizagem de máquina que podem ser executadas para o uso clínico rotineiro hoje,” disse a comida.

A pesquisa recente por Chang, por comida e por colegas reflecte a natureza translational de seu trabalho.

Em junho, Chang foi reconhecido pela sociedade americana do Neuroradiology com a concessão 2018 de Cornelius G. Dique Memorial para seu trabalho em desenvolver um sistema profundamente de aprendizagem personalizado com precisão mais de 97% na detecção do tempo real próximo de hemorragia de cérebro em exames da cabeça do CT do não-contraste (NCCT). O sistema foi aplicado a mais de 10.000 exames da imagem lactente da saúde de UCI para testar suas eficiência e precisão e validado com dados em perspectiva-adquiridos. O estudo incluiu a detecção e a quantificação do cérebro sangra, hemorragia intracranial, intraparenchymal, epidural/subdurais e subarachnoid incluir.

“As hemorragia Intracranial são emergências médicas significativas que conduz à mortalidade paciente de 40%, apesar do cuidado agressivo,” disse Chang. “O diagnóstico adiantado e exacto é necessário para a gestão do cérebro risco de vida sangra e para melhorar as probabilidades da recuperação.”

O elevado desempenho demonstrado da interpretação do tempo real em NCCTs em perspectiva pedido do departamento de emergência durante um período de um mês sugere a utilidade clínica da ferramenta do AI. O centro está preparando agora o sistema para o uso clínico no departamento de emergência do centro médico de UCI.

“A pesquisa é um exemplo de como nós podemos usar a tecnologia de aprendizagem da máquina para melhorar a entrega do cuidado agudo em um departamento de emergência expedindo a triagem do assistência ao paciente e oferecendo mais informações detalhadas guiar a tomada de decisão clínica,” disse a comida. “Uma imagem lactente AI-baseada pode ser usada como um sistema da triagem para ajudar a radiologistas em identificar exames prioritários para a interpretação ou como um método para determinar ràpida o volume de ICH, ou ambos.”

Na outra pesquisa, publicada este mês no jornal americano do Neuroradiology, Chang, a comida e os colegas desenvolveram uma técnica de imagem lactente AI-baseada que analisasse exactamente mutações genéticas nos tumores cerebrais e fizesse possível o uso de biópsias virtuais. As melhorias da mostra dos resultados a um tipo de aprendizagem de máquina chamaram redes neurais circunvolucionais e demonstram a capacidade para reconhecer os detalhes chaves da imagem lactente sem sentido humano.

O sistema rendeu 94 por cento de precisão diagnóstica em determinar pacientes genéticos relevantes das mutações com as baixas ou gliomas de primeira qualidade, ou tumores cerebrais.