L'adoption de l'AI dans le diagnostic et le pronostic de la maladie a pu aider à prolonger des vies des gens

L'adoption de l'artificial intelligence dans le diagnostic et le pronostic de la maladie a pu aider à prolonger des vies des gens tout en fournissant l'épargne significative pour les NHS.

C'est selon les chercheurs de l'université de Cardiff qui ont fourni des preuves irréfutables prouvant aux avantages que les techniques de pointe peuvent porter aux évaluations des risques dans les patients.

Dans une étude neuve publiée dans PLOS UN, l'équipe de recherche a expliqué comment l'artificial intelligence peut fournir à un pronostic également précis et fiable pour des patients la maladie cardio-vasculaire, comparé aux méthodes traditionnelles.

Les techniques d'apprentissage automatique qu'elles ont employées n'ont exigé aucune compétence ou l'interaction humaine et a pour cette raison surmonté un goulot d'étranglement important dans le procédé.

Le co-auteur du professeur d'étude Craig Currie, de l'École de Médecine de l'université de Cardiff, a dit : « Si nous pouvons raffiner ces méthodes, ils nous permettront de déterminer beaucoup plus tôt ces gens qui ont besoin des mesures préventives. Ceci prolongera des vies des gens et économisera des moyens de NHS. »

Dans une ère de médicament probant, l'utilisation des statistiques est devenue une partie essentielle d'estimer les risques de certains types de maladie.

Traditionnellement, les cliniciens et les statisticiens ont approché cette tâche en développant manuellement des équations mathématiques. Cependant, l'artificial intelligence fournit les techniques qui peuvent découvrir des associations complexes dans les caractéristiques.

« Bien que nous avons déjà des méthodes fiables de gens de prévisions selon leur degré de risque d'événements sérieux de coeur, l'artificial intelligence promet des voies neuves d'interroger des caractéristiques et la probabilité d'une catégorie plus fiable de risque, » professeur Currie prolongé.

Dans leur étude, l'équipe trialed une technique connue sous le nom de programmation génétique (GP) - une méthode inspirée par évolution en nature par lequel des programmes informatiques soient codés comme ensemble de gènes qui alors sont itérativement modifiés ou évolués.

Le généraliste est avantageux au-dessus des algorithmes produits par des êtres humains parce qu'il réduit de biais et la possibilité d'erreur humaine, tandis qu'en tient compte en même temps de change dans l'environnement à intégrer automatiquement dans des formules mathématiques.

Un avantage de cette approche particulière est que les associations complexes découvertes par artificial intelligence des caractéristiques peuvent être rendues transparentes aux cliniciens, voulant dire qu'il n'y a aucun besoin de eux de diverger de leur pratique existante.

Dans l'étude l'équipe avait l'habitude le généraliste pour évaluer les futurs risques d'un événement cardiovasculaire, tels que le décès cardiovasculaire, la rappe non fatale ou l'infarctus du myocarde non fatal, dans plus de 3.800 patients cardiovasculaires, âgés 19-83, sur une période de 10 ans.

Les algorithmes d'apprentissage automatique ont utilisé un total de 25 facteurs prédictifs pris des caractéristiques patientes, y compris l'âge, le sexe, l'indice de masse corporelle, l'alcool et la pression sanguine de fumage d'utiliser-et.

Les résultats ont prouvé que les algorithmes d'apprentissage automatique pourraient exécuter comparablement aux méthodes traditionnelles en prévoyant le risque s'est associé à différents patients.

Co-auteur du professeur Irena Spasi d'étude ? , de l'école de l'université de Cardiff de l'informatique et de l'informatique, a dit : « La capacité d'interpréter des solutions offertes par apprentissage automatique a jusqu'ici retenu la technologie de retour en termes d'intégration dans la pratique clinique.

« Cependant, à la lumière de la réapparition récente des réseaux neuronaux, il est important de ne pas dégrossir ligne d'autres méthodes d'apprentissage automatique, particulièrement ceux qui offrent la transparence telle que les arbres génétiques de programmation ou de décision. Après tout, nous examinons pour employer l'artificial intelligence d'aider les experts humains et de ne pas les prendre hors de l'équation totalement. »