Algorytm pozwoli wykryć zawał. Obliczy nawet, kiedy można się go spodziewać

Algorytm pozwoli wykryć zawał. Obliczy nawet, kiedy można się go spodziewać
Źródło zdjęć: © Getty Images | Go Nakamura
Karolina Modzelewska

21.05.2021 15:10

Zalogowani mogą więcej

Możesz zapisać ten artykuł na później. Znajdziesz go potem na swoim koncie użytkownika

Naukowcy po raz kolejny wykorzystali algorytm uczenia maszynowego, aby rozwiązać istotne problemy medyczne. Dzięki niemu grupa badaczy z Japonii była w stanie z dużym prawdopodobieństwem przewidzieć, kiedy u pacjenta wystąpi zatrzymanie krążenia.

Badanie, które ukazało się na łamach czasopisma naukowego "Heart" opisuje ostatnie dokonania japońskich naukowców. Badaczom udało się opracować specjalny model predykcyjny, bazujący na sztucznej inteligencji (AI) i uczeniu maszynowym, który uwzględnia wiele zmiennych meteorologicznych i chronologicznych.

Algorytm przewidzi zawał serca

W swoich analizach naukowcy skupili się na przypadkach pozaszpitalnego zatrzymania krążenia (OHCA - out-of-hospital cardiac arrest), które uznaje się za niezwykle groźne. Duńskie badania przeprowadzone na podstawie rejestru Danish Cardiac Arrest Registry (2001-2014) wykazały, że OHCA przeżywa mniej niż 10 proc. osób, u których się pojawiło.

Przy uwzględnieniu wyników badań serca pacjentów, a także danych związanych z porą roku, temperaturą, wilgotnością, ciśnieniem atmosferycznym, opadami itp., model jest w stanie obliczyć z dużym prawdopodobieństwem, kiedy u danej osoby może dojść do zawału. Model korzystając z informacji na temat osób, które już przeszły zawał, uczył się i doskonalił swoje działanie. Był też w stanie wykryć pewne powtarzające się wzorce. Naukowcy dostrzegli, że ryzyko wystąpienia OHCA było większe w niedziele oraz poniedziałki, a także święta. Sprzyjały mu również gwałtowne spadki temperatur.

W badaniu eksperci bazowali na danych zgromadzonych w latach 2005–2013 przez ogólnokrajowy rejestr OHCA (uwzględniający 525 tys. przypadki zawałowe), a także na algorytmie "eXtreme Gradient Boosting". Jego skuteczność sprawdzili na danych pochodzących z lat 2014–2015 (uwzględniających 135 tys. przypadków zawałowych). Testy wykazały, że model można uznać za wysoce precyzyjny.

Źródło artykułu:WP Tech
Komentarze (22)