Модель машинного навчання, заснована на архітектурі Transformer, формі штучного інтелекту, спочатку розробленої для обробки мови, може бути використана для виявлення серцевих захворювань за електрокардіограмами (ЕКГ).
Тести показують, що вона добре працює з даними кількох відомих медичних наборів даних, пише Medicalxpress.
Серцево-судинні захворювання є серйозною проблемою охорони здоров’я — майже 18 мільйонів людей щороку помирають передчасно через них. Завдання полягає в тому, щоб знайти способи виявлення серцево-судинних захворювань на ранній стадії, щоб лікування було ефективним. ЕКГ — це стандартний спосіб реєстрації електричної активності серця, тому він є поширеним діагностичним інструментом. Інтерпретація запису вимагає значних знань, займає багато часу та не позбавлена ризику неправильної інтерпретації.
Читайте також:
Точніше за лікарів. Дослідження Гарварду показало кращі діагнози від ШІ в приймальному відділенні Дослідники обговорюють одновимірну (1D) модель, яка може аналізувати сигнали ЕКГ паралельно з іншими клінічними даними. У тестах вона показала точність до 94,
2% у виявленні ранніх стадій серцевих захворювань. Така точність у поєднанні з експертною клінічною оцінкою може надати медичним бригадам більш надійні варіанти для переведення пацієнта на наступний етап діагностики та потенційного лікування.
«Сучасні системи штучного інтелекту можуть визначати чутливі характеристики з сигналів ЕКГ, включаючи приблизний вік та інші персональні м’які біометричні дані з сигналів», — сказала Файруз Шадмані Шишир, докторантка з електротехніки та інформатики в Куала-Лумпурі, яка керувала дослідженням.
«У наших експериментах ми порівняли продуктивність нашої моделі з іншими сучасними моделями. Ми продемонстрували, що наша модель має конкурентоспроможну продуктивність порівняно з іншими підходами машинного навчання. Модель добре справляється з прогнозуванням серцевих захворювань та ризику ранньої смертності, водночас виявляючи менше біометричної інформації з ЕКГ-сигналів», — сказала Шишир.
Читайте також:
Феноменальні технології. П’ять актуальних трендів світової медицини Дослідники вважають, що їхній підхід потребує подальшого розвитку та перевірки за допомогою незалежних клінічних наборів даних,
перш ніж його можна буде протестувати в реальних клінічних умовах.
Раніше NV Техно писав, що експерти з Гейдельбергу розробили систему штучного інтелекту яка може класифікувати пухлини головного мозку з безпрецедентною точністю, використовуючи стандартні мікроскопічні зрізи тканин.
Використовуючи оцифровані стандартні забарвлення, система ідентифікує понад 100 молекулярних підтипів пухлин центральної нервової системи, надає результати протягом кількох хвилин і може пришвидшити діагностику пухлин головного мозку в усьому світі.
Читайте також:
Нова перевага ліків проти ожиріння. Препарати GLP-1 підвищують тестостерон і покращують якість сперми
Правова інформація. Ця стаття містить загальні відомості довідкового характеру і не повинна розглядатися як альтернатива рекомендаціям лікаря. NV не несе відповідальності за будь-який діагноз, поставлений читачем на основі матеріалів сайту. NV також не несе відповідальності за зміст інших інтернет-ресурсів, посилання на які присутні в цій статті. Якщо вас турбує стан вашого здоров’я, зверніться до лікаря.
