Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

Os hospitais usam a inteligência artificial prever necessidades do oxigênio dos pacientes de Covid'

O hospital de Addenbrooke em Cambridge junto com outros 20 hospitais do mundo inteiro e líder da tecnologia dos cuidados médicos, NVIDIA, usou a inteligência artificial (AI) prever em uma escala global necessidades do oxigênio dos pacientes de Covid.

A pesquisa foi acendida pela pandemia e expor para construir uma ferramenta do AI para prever quanto oxigênio extra um paciente Covid-19 pudesse precisar nos primeiros dias dos cuidados hospitalares, usando dados de transversalmente quatro continentes.

A técnica, conhecida como a aprendizagem federada, usou um algoritmo para analisar raios X de caixa e dados eletrônicos da saúde dos pacientes hospitalizados com sintomas de Covid.

Para manter o segredo paciente restrito, os dados pacientes eram inteiramente anonymised e um algoritmo foi enviado a cada hospital assim que nenhum dados foi compartilhado ou saiu de seu lugar.  

Uma vez que o algoritmo “tinha aprendido” dos dados, a análise foi reunida para construir uma ferramenta do AI que poderia prever as necessidades do oxigênio de pacientes de Covid do hospital em qualquer lugar no mundo.

Publicado hoje na medicina da natureza, o EXAME dublado estudo (para o modelo de EMR CXR AI), é uma da aprendizagem federada clínica a maior, a mais diversa estuda até agora.

Para verificar a precisão do EXAME, foi testado para fora em um número de hospitais através de cinco continentes, incluindo o hospital de Addenbrooke.  Os resultados mostraram-no que previu o oxigênio necessário dentro de 24 horas da chegada de um paciente no departamento de emergência, com uma sensibilidade de 95 por cento e de uma especificidade sobre de 88 por cento.

“A aprendizagem federada tem a potência transformativo trazer a inovação do AI aos trabalhos clínicos,” disse o professor Fiona Gilbert, que conduziu o estudo em Cambridge e é radiologista honorário do consultante no hospital e na cadeira de Addenbrooke da radiologia na universidade da escola de Cambridge da medicina clínica.

“Nosso trabalho continuado com EXAME demonstra que estes tipos de colaborações globais são repetíveis e mais eficientes, de modo que nós possamos encontrar as necessidades dos clínicos de abordar desafios complexos da saúde e as epidemias futuras.”

O primeiro autor no estudo, Dr. Ittai Dayan, do general em massa Bingham nos E.U., onde o algoritmo do EXAME foi desenvolvido, disse:

“Geralmente na revelação do AI, quando você cria um algoritmo no um dados do hospital, não trabalha bem em nenhum outro hospital. Desenvolvendo a aprendizagem federada de utilização modelo do EXAME e os dados objetivos, multimodal dos continentes diferentes, nós podíamos construir um modelo que se pode generalizar que pudesse ajudar médicos da linha da frente no mundo inteiro.”

Reunindo os colaboradores através do norte e a Ámérica do Sul, a Europa e a Ásia, o estudo do EXAME tomou apenas duas semanas do AI “aprendendo” conseguir as previsões de alta qualidade.

A aprendizagem federada permitiu que os pesquisadores colaborassem e ajustassem um padrão novo para o que nós pudéssemos fazer global, usando a potência do AI. Isto avançará o AI não apenas para cuidados médicos mas através de todas as indústrias que olham para construir modelos robustos sem sacrificar a privacidade.”

Dr. Mona G Flores, cabeça global para o AI médico em NVIDIA

Os resultados de ao redor 10.000 pacientes de COVID foram analisados do mundo inteiro no estudo, incluindo 250 quem veio ao hospital de Addenbrooke na primeira onda pandemia do em março/abril de 2020.

A pesquisa foi apoiada pelo instituto nacional para o centro de pesquisa biomedicável de Cambridge da pesquisa da saúde (NIHR) (BRC).

O trabalho no modelo do EXAME continuou. O general em massa Brigham e o NIHR Cambridge BRC está trabalhando com a saúde startup do rinoceronte do início de NVIDIA, cofounded pelo Dr. Dayan, para executar estudos em perspectiva usando o EXAME.

O professor Gilbert adicionou: “Criar o software para combinar o desempenho de nossos melhores radiologistas é complexa, mas uma aspiração verdadeiramente transformativo. Mais nós podemos firmemente integrar dados das fontes diferentes usando a aprendizagem e a colaboração federadas, e temos o espaço necessário para inovar, mais rápidos os academics podemos fazer 2 aqueles objetivos transformativos uma realidade.”

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.