Το μοντέλο μηχανικής μάθησης διαγνώσει με ακρίβεια την κοιλιοκάκη

Ακολουθήστε το Drugslib

που αναθεωρήθηκε από την Carmen Pope, Bpharm. Τελευταία ενημέρωση στις 3 Απριλίου 2025.

Πέμπτη, 3 Απριλίου 2025-Ένας αλγόριθμος μηχανικής μάθησης μπορεί να διαγνώσει την κοιλιοκάκη από βιοψίες του δωδεκαδακτυλικού με ακρίβεια συγκρίσιμη με τους παθολόγους, σύμφωνα με μια μελέτη που δημοσιεύθηκε online στις 27 Μαρτίου στο New England Journal of Medicine AI.

Florian Jaeckle, Ph.D. για τη βελτίωση της διάγνωσης της κοιλιοκάκης. Το μοντέλο εκπαιδεύτηκε σε 3.383 εικόνες ολικής διαστολής (WSI) βιοψιών του δωδεκαδακτυλικού από τέσσερα νοσοκομεία με πέντε διαφορετικούς σαρωτές WSI και τις κλινικές τους διαγνώσεις. Το μοντέλο εκπαιδεύτηκε χρησιμοποιώντας το πρότυπο πολλαπλών περιπτώσεων μάθησης με ασθενώς εποπτευόμενο τρόπο και αξιολογήθηκε σε ένα ανεξάρτητο σύνολο δοκιμών 644 αόρατων σαρώσεων. Οι προβλέψεις του μοντέλου συγκρίθηκαν με ανεξάρτητες διαγνώσεις από τέσσερις ειδικούς παθολόγους.

Οι ερευνητές διαπίστωσαν ότι το μοντέλο διαγνώστηκε κοιλιοκάκη στο ανεξάρτητο σύνολο δεδομένων με ακρίβεια, ευαισθησία και ειδικότητα που υπερβαίνει το 95 % και μια περιοχή κάτω από τη λειτουργική καμπύλη λειτουργίας του δέκτη που υπερβαίνει το 99 τοις εκατό, υποδεικνύοντας ότι το μοντέλο μπορεί ενδεχομένως να ξεπεράσει τους παθολόγους. Συγκρίνοντας τις προβλέψεις του μοντέλου με εκείνες από ανεξάρτητους παθολόγους, τα αποτελέσματα ήταν στατιστικά αδιάκριτα μεταξύ του παθολόγου-παθολόγου και του παθολόγου-μοντέλου διατομής (> 96 τοις εκατό). "Επειδή το εκπαιδεύσαμε σε σύνολα δεδομένων που δημιουργούνται υπό διάφορες διαφορετικές συνθήκες, γνωρίζουμε ότι θα πρέπει να είναι σε θέση να εργαστεί σε ένα ευρύ φάσμα ρυθμίσεων, όπου οι βιοψίες επεξεργάζονται και απεικονίζονται διαφορετικά."

Δύο συγγραφείς αποκάλυψαν τους δεσμούς με τη βιομηχανία έρευνας για τη βιοτεχνολογία.

Αποποίηση ευθυνών: Στατιστικά δεδομένα σε ιατρικά άρθρα παρέχουν γενικές τάσεις και δεν αφορούν τα άτομα. Οι μεμονωμένοι παράγοντες μπορεί να διαφέρουν σε μεγάλο βαθμό. Αναζητήστε πάντα εξατομικευμένες ιατρικές συμβουλές για μεμονωμένες αποφάσεις υγειονομικής περίθαλψης.

Πηγή: Healthday

Δημοσιεύτηκε : 2025-04-04 06:00

Διαβάστε περισσότερα

Αποποίηση ευθυνών

Έχει καταβληθεί κάθε δυνατή προσπάθεια για να διασφαλιστεί ότι οι πληροφορίες που παρέχονται από το Drugslib.com είναι ακριβείς, μέχρι -ημερομηνία και πλήρης, αλλά δεν παρέχεται καμία εγγύηση για το σκοπό αυτό. Οι πληροφορίες φαρμάκων που περιέχονται εδώ μπορεί να είναι ευαίσθητες στο χρόνο. Οι πληροφορίες του Drugslib.com έχουν συγκεντρωθεί για χρήση από επαγγελματίες υγείας και καταναλωτές στις Ηνωμένες Πολιτείες και επομένως το Drugslib.com δεν εγγυάται ότι οι χρήσεις εκτός των Ηνωμένων Πολιτειών είναι κατάλληλες, εκτός εάν ρητά αναφέρεται διαφορετικά. Οι πληροφορίες φαρμάκων του Drugslib.com δεν υποστηρίζουν φάρμακα, δεν κάνουν διάγνωση ασθενών ή συνιστούν θεραπεία. Οι πληροφορίες για τα φάρμακα του Drugslib.com είναι ένας ενημερωτικός πόρος που έχει σχεδιαστεί για να βοηθά τους αδειοδοτημένους επαγγελματίες υγείας στη φροντίδα των ασθενών τους ή/και να εξυπηρετούν τους καταναλωτές που βλέπουν αυτήν την υπηρεσία ως συμπλήρωμα και όχι ως υποκατάστατο της τεχνογνωσίας, των δεξιοτήτων, της γνώσης και της κρίσης της υγειονομικής περίθαλψης επαγγελματίες.

Η απουσία προειδοποίησης για ένα δεδομένο φάρμακο ή συνδυασμό φαρμάκων σε καμία περίπτωση δεν πρέπει να ερμηνεύεται ως ένδειξη ότι το φάρμακο ή ο συνδυασμός φαρμάκων είναι ασφαλής, αποτελεσματικός ή κατάλληλος για οποιονδήποτε δεδομένο ασθενή. Το Drugslib.com δεν αναλαμβάνει καμία ευθύνη για οποιαδήποτε πτυχή της υγειονομικής περίθαλψης που παρέχεται με τη βοήθεια των πληροφοριών που παρέχει το Drugslib.com. Οι πληροφορίες που περιέχονται στο παρόν δεν προορίζονται να καλύψουν όλες τις πιθανές χρήσεις, οδηγίες, προφυλάξεις, προειδοποιήσεις, αλληλεπιδράσεις με φάρμακα, αλλεργικές αντιδράσεις ή ανεπιθύμητες ενέργειες. Εάν έχετε ερωτήσεις σχετικά με τα φάρμακα που παίρνετε, συμβουλευτείτε το γιατρό, τη νοσοκόμα ή τον φαρμακοποιό σας.

Δημοφιλείς λέξεις -κλειδιά