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.

L'apprendimento automatico ha potuto assistere nella gestione adeguata del cancro della linguetta

Immagini una tecnologia che può predire il risultato dei malati di cancro - se il cancro riproducesse dopo il trattamento, che genere di pianificazione del trattamento il vantaggio il paziente e la sopravvivenza globale chance dei pazienti? L'apprendimento automatico, un sottocampo di intelligenza artificiale è sospeso rivoluzionare la gestione del cancro. La ricerca di laurea di Rasheed Alabi all'università di tecniche di apprendimento automatico di manifestazioni di Vaasa ha potuto assistere nella gestione adeguata del cancro della linguetta.

Il cancro della linguetta è il cancro più comune che è trovato nella regione del collo e della testa. Ha causato una quantità significativa di morti universalmente. Oltre a quello, può causare il danno e la difficoltà di discorso nell'inghiottire e nella masticazione.

La sfida principale è stata nella gestione adeguata del cancro della linguetta - diagnosi precoce, pianificazione del trattamento e prendere le decisioni informate dai clinici.

In sua dissertazione, Rasheed Alabi propone l'uso delle tecniche di apprendimento automatico per l'efficace gestione del cancro della linguetta. Ha sviluppato uno strumento del web che stratifica correttamente i malati di cancro nei gruppi ad alto rischio o a basso rischio. Quel aiuta con la creazione del trattamento efficace per i malati di cancro della linguetta.

È importante da pianificazione correttamente per il trattamento dei malati di cancro della linguetta aumentare la qualità dell'assistenza fornita loro ed alla possibilità di sopravvivenza.„

Rasheed Alabi, università di Vaasa

Le tecniche di apprendimento automatico hanno superato i metodi tradizionali

Il modello premonitore di apprendimento automatico sviluppato da Rasheed ha prodotto un'accuratezza di 88,2% per predire se il cancro della linguetta riproducesse dopo il trattamento. Similmente, il modello di apprendimento automatico ha superato altri metodi di gestione del cancro quale l'uso dell'organizzazione e del nomogramma del cancro nella stima della sopravvivenza globale dei malati di cancro della linguetta.

Medicina personale e gestione precisa del cancro della linguetta

Il modello proposto è capace di alleviazione del carico psicologico, sociale ed economico causato dal cancro orale della linguetta. Lo strumento prognostico del web sviluppato assicura che ogni paziente sia considerato come entità del aseparate (medicina personale) di pianificare un'efficace strategia di gestione del cancro della linguetta. Il modello premonitore proposto può offrire la programmazione del trattamento personale, evitare le terapie inutili, l'efficace processo decisionale della gestione del cancro, il consiglio realistico, le decisioni informate e la sopravvivenza globale migliore. La previsione iniziale della ricorrenza del cancro fa diminuire i tassi di mortalità di malati di cancro della linguetta.

Preoccupazioni dell'apprendimento automatico nella pratica clinica quotidiana

In sua dissertazione, Alabi identifica parecchie preoccupazioni che possono pregiudicare l'uso clinico quotidiano reale del modello sviluppato per pratica clinica di ogni giorno. Queste preoccupazioni sono raggruppate nelle sfide etiche che sono inerenti alla scienza dell'apprendimento automatico e delle entrate in vigore cliniche.

Le sfide etiche comprendono la segretezza e riservatezza, disaccordo del pari, la libertà dei pazienti per scegliere il metodo di trattamento thepreferred, processo decisionale comune e quadro giuridico per l'entrata in vigore regolare.

Alcune preoccupazioni provengono dall'apprendimento automatico come tecnologia, come la fabbricazione dello spiegabile di modello (explainability), la comprensione come la decisione o la previsione è fatta (interpretability) e permettere al modello thedeveloped di lavorare per un simile compito (generalisability).

Difesa pubblica

L'esame pubblico di M.Sc. La dissertazione di laurea “apprendimento automatico di Rasheed Alabi per pronostico personale del cancro della linguetta " sarà tenuta giovedì 15 aprile 2021 a mezzogiorno.

L'evento sarà organizzato online: https://uwasa.zoom.us/j/8515167887

Prof. Simo Saarakkala (università di Oulu) fungerà da un oppositore e professor Mohammed Elmusrati come custos.

Alabi, 2021) apprendimenti automatici di Rasheed (per pronostico personale del cancro della linguetta. Acta Wasaensia 457. Dissertazione di laurea, yliopisto di Vaasan - università di Vaasa.