Model pembelajaran mesin dengan tepat mendiagnosis penyakit seliak

Ikuti Drugslib di

dikaji semula secara perubatan oleh Carmen Pope, Bpharm. Terakhir dikemas kini pada 3 April, 2025.

oleh Elana Gotkine Health Reporter

Khamis, 3 April, 2025-Algoritma pembelajaran mesin boleh mendiagnosis penyakit seliak dari biopsi duodenal dengan ketepatan yang setanding dengan ahli patologi, menurut satu kajian yang diterbitkan dalam talian pada 27 Mac di New England Journal of Medicine AI. Pengelas untuk meningkatkan diagnosis penyakit seliak. Model ini dilatih pada 3,383 keseluruhan-slaid-imej (WSI) biopsi duodenal dari empat hospital yang menampilkan lima pengimbas WSI yang berbeza dan diagnosis klinikal mereka. Model ini dilatih menggunakan paradigma pembelajaran pelbagai contoh dengan cara yang diawasi dengan lemah, dan ia dinilai pada satu set ujian bebas sebanyak 644 imbasan yang tidak kelihatan. Ramalan model dibandingkan dengan diagnosis bebas daripada empat ahli patologi pakar.

Para penyelidik mendapati bahawa model yang didiagnosis penyakit seliak dalam dataset bebas dengan ketepatan, kepekaan, dan kekhususan melebihi 95 peratus dan kawasan di bawah lengkung ciri operasi penerima melebihi 99 peratus, menunjukkan bahawa model itu berpotensi mengatasi ahli patologi. Membandingkan ramalan model dengan mereka dari ahli patologi bebas, hasilnya secara statistik tidak dapat dibezakan antara ahli patologi ahli patologi dan ahli patologi-model interobserver (> 96 peratus).

"Kerana kami melatihnya pada set data yang dihasilkan di bawah beberapa keadaan yang berbeza, kami tahu bahawa ia harus dapat bekerja dalam pelbagai tetapan, di mana biopsi diproses dan dicatatkan secara berbeza."

Dua penulis mendedahkan hubungan dengan industri penyelidikan bioteknologi.

Penafian: Data statistik dalam artikel perubatan menyediakan trend umum dan tidak berkaitan dengan individu. Faktor individu boleh berbeza -beza. Sentiasa dapatkan nasihat perubatan yang diperibadikan untuk keputusan penjagaan kesihatan individu.

Sumber: HealthDay

Disiarkan : 2025-04-04 06:00

Baca lagi

Penafian

Segala usaha telah dilakukan untuk memastikan bahawa maklumat yang diberikan oleh Drugslib.com adalah tepat, terkini -tarikh, dan lengkap, tetapi tiada jaminan dibuat untuk kesan itu. Maklumat ubat yang terkandung di sini mungkin sensitif masa. Maklumat Drugslib.com telah disusun untuk digunakan oleh pengamal penjagaan kesihatan dan pengguna di Amerika Syarikat dan oleh itu Drugslib.com tidak menjamin bahawa penggunaan di luar Amerika Syarikat adalah sesuai, melainkan dinyatakan sebaliknya secara khusus. Maklumat ubat Drugslib.com tidak menyokong ubat, mendiagnosis pesakit atau mengesyorkan terapi. Maklumat ubat Drugslib.com ialah sumber maklumat yang direka bentuk untuk membantu pengamal penjagaan kesihatan berlesen dalam menjaga pesakit mereka dan/atau memberi perkhidmatan kepada pengguna yang melihat perkhidmatan ini sebagai tambahan kepada, dan bukan pengganti, kepakaran, kemahiran, pengetahuan dan pertimbangan penjagaan kesihatan pengamal.

Ketiadaan amaran untuk gabungan ubat atau ubat yang diberikan sama sekali tidak boleh ditafsirkan untuk menunjukkan bahawa gabungan ubat atau ubat itu selamat, berkesan atau sesuai untuk mana-mana pesakit tertentu. Drugslib.com tidak memikul sebarang tanggungjawab untuk sebarang aspek penjagaan kesihatan yang ditadbir dengan bantuan maklumat yang disediakan oleh Drugslib.com. Maklumat yang terkandung di sini tidak bertujuan untuk merangkumi semua kemungkinan penggunaan, arahan, langkah berjaga-jaga, amaran, interaksi ubat, tindak balas alahan atau kesan buruk. Jika anda mempunyai soalan tentang ubat yang anda ambil, semak dengan doktor, jururawat atau ahli farmasi anda.

Kata kunci yang popular