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.

Gli ospedali usano l'intelligenza artificiale predire bisogni dell'ossigeno dei pazienti di Covid'

L'ospedale di Addenbrooke a Cambridge con altri 20 ospedali dall'altro lato del mondo e della guida della tecnologia di sanità, NVIDIA, ha usato l'intelligenza artificiale (AI) predire i bisogni dell'ossigeno dei pazienti di Covid su scala globale.

La ricerca è stata scintillata dalla pandemia ed ha precisato per costruire uno strumento di AI per predire quanto ossigeno extra un paziente Covid-19 può avere bisogno nei primi giorni di cura di ospedale, facendo uso dei dati dall'altro lato di quattro continenti.

La tecnica, conosciuta come l'apprendimento organizzato in modo federativo, ha usato un algoritmo per analizzare la radiografia del torace ed i dati elettronici di salubrità dai pazienti ricoverati con i sintomi di Covid.

Per mantenere la riservatezza paziente rigorosa, i dati pazienti erano completamente anonimizzati e un algoritmo è stato inviato ad ogni ospedale in modo da nessun dato è stato diviso o lasciato la sua posizione.  

Una volta che l'algoritmo “avesse imparato„ dai dati, l'analisi è stata riunita per costruire uno strumento di AI in grado di predire i bisogni dell'ossigeno dei pazienti di Covid dell'ospedale dovunque nel mondo.

Pubblicato oggi nella medicina della natura, l'ESAME definito studio (per il modello di EMR CXR AI), è uno di più grande, più diverso apprendimento organizzato in modo federativo clinico studia fin qui.

Per controllare l'accuratezza di ESAME, è stato provato fuori in una serie di ospedali attraverso cinque continenti, compreso l'ospedale di Addenbrooke.  I risultati lo hanno mostrato che ha predetto l'ossigeno stato necessario in 24 ore dell'arrivo di un paziente nel pronto soccorso, con una sensibilità di 95 per cento e di una specificità oltre di 88 per cento.

“L'apprendimento organizzato in modo federativo ha potenza trasformatrice portare l'innovazione di AI al flusso di lavoro clinico,„ ha detto il professor Fiona Gilbert, che piombo lo studio a Cambridge ed è radiologo onorario del consulente all'ospedale ed alla presidenza di Addenbrooke della radiologia all'università di banco di Cambridge di medicina clinica.

“Il nostro lavoro continuato con ESAME dimostra che questi generi di collaborazioni globali sono ripetibili e più efficienti, di modo che possiamo soddisfare le esigenze dei clinici affrontare le sfide complesse di salubrità e le epidemie future.„

Il primo autore sullo studio, il Dott. Ittai Dayan, da generale di massa Bingham negli Stati Uniti, in cui l'algoritmo dell'ESAME è stato sviluppato, ha detto:

“Solitamente nello sviluppo di AI, quando create un algoritmo sull'un dato dell'ospedale, non funziona bene a qualunque altro ospedale. Elaborando il modello dell'ESAME facendo uso dell'apprendimento organizzato in modo federativo ed i dati obiettivi e multimodali dai continenti differenti, potevamo sviluppare un modello generalizzabile che può aiutare i medici di linea di battaglia universalmente.„

Riunendo i collaboratori attraverso il Nord ed il Sudamerica, Europa e l'Asia, lo studio dell'ESAME ha catturato appena due settimane di AI “imparanti„ raggiungere le previsioni di alta qualità.

L'apprendimento organizzato in modo federativo ha permesso che i ricercatori collaborassero e fissassero un nuovo standard per cui possiamo fare globalmente, facendo uso della potenza di AI. Ciò avanzerà il AI non appena per la sanità ma attraverso tutte le industrie che guardano per sviluppare i modelli robusti senza sacrificare la segretezza.„

Il Dott. Mona G Flores, globale si dirige verso il AI medico a NVIDIA

I risultati di intorno 10.000 pazienti di COVID dall'altro lato del mondo sono stati analizzati nello studio, compreso 250 chi è venuto all'ospedale di Addenbrooke nella prima onda pandemia dell'a marzo/aprile 2020.

La ricerca è stata supportata dall'istituto nazionale per il centro di ricerca biomedico di Cambridge della ricerca di salubrità (NIHR) (BRC).

Il lavoro sul modello dell'ESAME è continuato. Generale di massa Brigham e il NIHR Cambridge BRC sta lavorando con la salubrità di rinoceronte di avvio dell'inizio di NVIDIA, cofounded dal Dott. Dayan, per eseguire gli studi prospettivi facendo uso di ESAME.

Il professor Gilbert ha aggiunto: “Creare il software per abbinare la prestazione dei nostri migliori radiologi è complessa, ma un'aspirazione vero trasformatrice. Di più possiamo integrare saldamente i dati dalle sorgenti differenti facendo uso dell'apprendimento e della collaborazione organizzati in modo federativo e facciamo essere necessario lo spazio per innovare, più veloci i academics possiamo rendere a quegli scopi trasformatori una realtà.„

Source:
Journal reference:

Dayan, I., et al. (2021) Federated learning for predicting clinical outcomes in patients with COVID-19. Nature Medicine. doi.org/10.1038/s41591-021-01506-3.