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.

Applications d'artificial intelligence dans des situations de COVID-19 ICU et d'ER

L'augmentation primordialement des patients en critique mauvais COVID-19, qui ont besoin instamment des unités de soins intensifs (ICU) et des services des urgences (ED), a contesté des systèmes de santé mondiaux.

Le nombre sans précédent et grand de patients, particulièrement dans les régions où la pandémie du coronavirus 2 de syndrôme respiratoire aigu sévère (SARS-CoV-2) a heurté sévèrement, a produit un besoin immédiat pour des approches nouvelles à traiter l'édition.  Une telle approche est l'application de l'artificial intelligence (AI). Maintenant, dans un rapport de recherche neuf publié sur le serveur de medRxiv*, une équipe internationale des scientifiques a systématiquement examiné et a en critique évalué la preuve actuelle sur des demandes d'AI de COVID-19 dans des réglages de soins intensifs et de secours, se concentrant sur des méthodes, enregistrant des normes, et l'utilité clinique.

L'artificial intelligence emploie des méthodes de calcul pour reproduire le renseignement humain. Deux succursales d'AI, à savoir, profondément apprendre et apprentissage automatique, sont impliquées dans le développement automatique des programmes informatiques par l'expérience. Dans la recherche médicale, des modèles de régression variés tels que des régressions logistiques, linéaires, ou de Cox sont employés pour développer des applications basées sur AI. Ces modèles sont la forme la plus simple de l'apprentissage automatique. Cependant, plus récent, plus avancées et complexes des formes d'AI, c.-à-d., apprentissage automatique, y compris des réseaux neuronaux, les modèles faits au hasard de forêt, et les machines de vecteur de support, deviennent plus populaires dans la recherche médicale.

La recherche antérieure a prouvé que l'AI pourrait assister la surveillance robotisée des patients dans des réglages de soins intensifs et de secours, la pronostication, et l'attribution des ressources optimale du personnel. Les révisions systématiques précédentes ont également indiqué les éditions au sujet de la qualité des modèles de la prévision COVID-19 développés pour le diagnostic et le pronostic de la maladie. La recherche a conclu que les limitations des études d'apprentissage automatique sont taille de l'échantillon insuffisante et validation insuffisante des prévisions. Dans le scénario actuel où le régime de l'hospitalisation est exceptionnellement élevé, les chercheurs se concentrent principalement sur l'utilisation de l'AI pour l'optimisation de l'usage de bâti d'ICU.

Actuellement, pas beaucoup d'information est procurable au sujet du rôle de l'AI comme technologie décisive en gestion clinique des patients COVID-19 dans ICU et réglages de secours. Ainsi, les scientifiques ont systématiquement analysé les documents existants concernant l'application de l'AI pour les patients COVID-19 admis à l'unité de soins intensifs d'un hôpital. Ils se sont également concentrés sur l'efficacité clinique, les méthodes variées, et les normes d'enregistrement liées aux réglages de secours.

Pour cette étude, un examen complet de la littérature, des procurables dans IEEE Xplore, Scopus, Embase, bibliothèque d'ACM Digitals, CINAHL, et PubMed, ont été conduits du commencement de la pandémie au 1er octobre 2020. La révision de littérature a été faite en travers des papiers publiés dans différents langages. Tous les articles ont été associés à l'application de l'AI pour les patients COVID-19, les moyens de santé dans l'unité de soins intensifs, l'urgence, les réglages prehospital, et les professionnels de la santé. Pour les études de modélisation prévisionnelle, les chercheurs ont utilisé les outils variés tels que le risque de modèle de prévision de l'outil d'évaluation oblique (PROBAST) et un enregistrement transparent modifié d'un modèle multivariable de prévision pour le pronostic ou le diagnostic individuel (TRIPOD).

Parmi les quatorze études qui se sont analysées, onze ont développé les modèles diagnostiques basés sur AI prévisionnels. Deux des trois études demeurantes ont montré le développement du logiciel de segmentation de poumon (basé sur apprendre profondément) utilisé pour le pronostic, et l'étude restante a été associée à l'optimisation dans l'ICU.

Toutes ces études ont été évaluées pour être à un haut risque de polarisation. Certains des inconvénients courants de ces études étaient manipulation faible des caractéristiques manquantes, faible validation des modèles, petites tailles de l'échantillon, et défaillance pour représenter les participants censurés. Parmi les études, la source la plus courante de polarisation que couramment régnée était la taille de l'échantillon insuffisante. Une petite taille de l'échantillon mène au risque d'optimisme de sur-montage et de modèle. La caractéristique manquante mène également à l'erreur significative dans le modèle, et idéalement, le pourcentage de la variable manquante doit être rapporté. Dans le cas des études diagnostiques, la polarisation a été introduite tout en en utilisant le test inverse de réaction en chaîne de transcription-polymérase (RT-PCR) autant d'un moment où un état de faux négatif surgit dans l'étude diagnostique de modèle et de validation. Supplémentaire, le mauvais enregistrement sur l'étalonnage modèle, le développement des directives correctes, et le manque d'états précis d'évaluation de facteur prédictif n'ont pas validé la recherche dans les réglages cliniques.

La révision systématique actuelle a montré cela en dépit du développement rapide des technologies nouvelles pour contenir la pandémie COVID-19, il y a un manque dans des demandes basées sur AI de possibilités d'application cliniques. Une amélioration précieuse du développement et de déploiement des applications d'AI dans des réglages de secours pourrait aider à combattre la situation actuelle, qui exige l'usage de moyens optimal de secours. L'intégration des directives neuves d'enregistrement d'AI-détail telles que SPIRIT-AI et CONSORT-AI dans la recherche aiderait à développer des applications basées sur AI nouvelles. De telles applications aideraient le système de santé à combattre le COVID-19 universel et d'autres futures pandémies. Les chercheurs ont mis l'accent sur le besoin de collaboration interdisciplinaire entre les révélateurs d'AI et les experts médicaux.

Avis *Important

le medRxiv publie les états scientifiques préliminaires qui pair-ne sont pas observés et ne devraient pas, en conséquence, être considérés comme concluants, guident la pratique clinique/comportement relatif à la santé, ou traité en tant qu'information déterminée.

Journal reference:
Dr. Priyom Bose

Written by

Dr. Priyom Bose

Priyom holds a Ph.D. in Plant Biology and Biotechnology from the University of Madras, India. She is an active researcher and an experienced science writer. Priyom has also co-authored several original research articles that have been published in reputed peer-reviewed journals. She is also an avid reader and an amateur photographer.

Citations

Please use one of the following formats to cite this article in your essay, paper or report:

  • APA

    Bose, Priyom. (2021, February 23). Applications d'artificial intelligence dans des situations de COVID-19 ICU et d'ER. News-Medical. Retrieved on April 23, 2021 from https://www.news-medical.net/news/20210222/Applications-of-Artificial-Intelligence-in-COVID-19-ICU-and-ER-situations.aspx.

  • MLA

    Bose, Priyom. "Applications d'artificial intelligence dans des situations de COVID-19 ICU et d'ER". News-Medical. 23 April 2021. <https://www.news-medical.net/news/20210222/Applications-of-Artificial-Intelligence-in-COVID-19-ICU-and-ER-situations.aspx>.

  • Chicago

    Bose, Priyom. "Applications d'artificial intelligence dans des situations de COVID-19 ICU et d'ER". News-Medical. https://www.news-medical.net/news/20210222/Applications-of-Artificial-Intelligence-in-COVID-19-ICU-and-ER-situations.aspx. (accessed April 23, 2021).

  • Harvard

    Bose, Priyom. 2021. Applications d'artificial intelligence dans des situations de COVID-19 ICU et d'ER. News-Medical, viewed 23 April 2021, https://www.news-medical.net/news/20210222/Applications-of-Artificial-Intelligence-in-COVID-19-ICU-and-ER-situations.aspx.