Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

El nuevo centro de UCI intenta autorizar a los pacientes, proveedores con el uso del AI en atención sanitaria

Los médicos en sistema la Universidad de California, el Irvine y de la salud de UCI han puesto en marcha el centro de UCI para la inteligencia artificial en el remedio diagnóstico, que intenta avance atención a los pacientes, perfeccionan resultados de la salud y costos más bajos leveraging tecnología de enseñanza de máquina en todas las áreas de la atención sanitaria.

Llevado por Peter D. Chang, Doctor en Medicina, y Daniel S. Chow, Doctor en Medicina, neuroradiólogos en el departamento de ciencias radiológicas, Facultad de Medicina de UCI, el centro es una iniciativa de la cruz-especialidad con un foco específico en desarrollar y la aplicación de redes neuronales profundamente de aprendizaje a los usos de la atención sanitaria, tales como diagnósticos, predicción de la enfermedad y formulación de planes de la terapia.

“Nuestra meta es autorizar proveedores de asistencia sanitaria, los investigadores y los pacientes con el uso de la inteligencia artificial en atención sanitaria,” dijo a Chang.

El centro para la inteligencia artificial en remedio diagnóstico ofrecerá una base central de la investigación que habilite toda la facultad, médicos y a investigadores de UCI, para colaborar en traducir conceptos AI-basados en las herramientas clínicas para perfeccionar salud del individuo y de la población.

“El centro desarrollará las herramientas del aprendizaje de máquina que se pueden ejecutar para el uso clínico rutinario hoy,” dijo a Chow.

La investigación reciente de Chang, de Chow y de los colegas refleja la naturaleza de translación de su trabajo.

En junio, la sociedad americana del Neuroradiology con la recompensa 2018 de Cornelio G. Dyke Memorial para su trabajo sobre desarrollar reconoció a Chang un sistema profundamente de aprendizaje modificado para requisitos particulares con la exactitud más de 97% en la detección del tiempo real cercano de la hemorragia de cerebro en exámenes de la culata de cilindro del CT del no-contraste (NCCT). El sistema fue aplicado a más de 10.000 exámenes de la proyección de imagen de la salud de UCI para probar su eficiencia y exactitud y validado con datos anticipado-detectados. El estudio incluyó la detección y la cuantificación del cerebro sangra, incluyendo hemorragias intracraneales, intraparenchymal, epidurales/subdurales y subaracoideas.

Las “hemorragias intracraneales son emergencias médicas importantes que da lugar a la mortalidad paciente del 40%, a pesar de cuidado agresivo,” dijo a Chang. “La diagnosis temprana y exacta es necesaria para la administración del cerebro peligroso para la vida sangra y perfeccionar las probabilidades de la recuperación.”

El alto rendimiento demostrado de la interpretación en tiempo real en NCCTs anticipado pedido del departamento de emergencia durante un período de un mes sugiere la utilidad clínica de la herramienta del AI. El centro ahora está preparando el sistema para el uso clínico en el departamento de emergencia del centro médico de UCI.

“La investigación es un ejemplo de cómo podemos utilizar tecnología de enseñanza de máquina para perfeccionar el lanzamiento del cuidado agudo en un departamento de emergencia acelerando la clasificación de la atención a los pacientes y ofreciendo una información más detallada para conducir la toma de decisión clínica,” dijo a Chow. “Una proyección de imagen AI-basada se puede utilizar como un sistema de la clasificación para ayudar a radiólogos en determinar los exámenes prioritarios para la interpretación o como método para cuantificar rápidamente el volumen de ICH, o ambos.”

En la otra investigación, publicada este mes en el gorrón americano del Neuroradiology, Chang, Chow y los colegas desarrollaron una técnica de proyección de imagen AI-basada que analiza exacto mutaciones genéticas en tumores cerebrales y hace posible el uso de biopsias virtuales. Las mejorías de la demostración de las conclusión a un tipo de aprendizaje de máquina llamaron redes neuronales circumvolucionales y demuestran la capacidad para reconocer a los detalles dominantes de la proyección de imagen sin la dirección humana.

El sistema rindió el 94 por ciento de exactitud diagnóstica en la determinación de pacientes genéticos relevantes de las mutaciones con las gliomas inferiores o de alto grado, o tumores cerebrales.