Học máy và chăm sóc sức khỏe


Tạ Trang Ðài
3 năm trước
Hữu ích 3 Chia sẻ Viết bình luận 0
Đã xem 9870

Vài năm gần đây đã chứng kiến ​​một số nghiên cứu trường hợp hấp dẫn đã sử dụng học máy để tạo ra các chẩn đoán y khoa. Có một vài ví dụ mới từ cả một công ty khổng lồ và một công ty khởi nghiệp nhanh nhẹn.

Ở phía khổng lồ của hàng rào là một người chơi truyền thống trong không gian này. Các nhà nghiên cứu  tại Google đã phát triển một thuật toán quét mắt của chúng tôi để phát hiện tốt hơn một dạng mù đặc biệt phổ biến.

Dự án đi theo một con đường quen thuộc, cung cấp cho thuật toán một loạt các hình ảnh y tế của võng mạc để huấn luyện nó tìm kiếm bệnh võng mạc tiểu đường, một tình trạng được cho là ảnh hưởng đến khoảng 1/3 bệnh nhân tiểu đường.

Tình trạng này là do các mạch máu trong mắt bị tổn thương, khiến thị lực của bệnh nhân bị suy giảm. Cũng như rất nhiều điều kiện, phát hiện sớm có thể thấy nó được điều trị thành công.

Phát hiện sớm

Nhóm nghiên cứu hy vọng rằng bằng cách triển khai học máy, họ có thể cải thiện cả tính chính xác và tính khách quan của chẩn đoán và do đó là chất lượng chăm sóc mắt.

Google đã hình thành trong lĩnh vực này, vì họ đã làm việc với Bệnh viện Mắt Moorfields ở London để sử dụng AI trong việc phát hiện các bệnh về mắt khác nhau.

Cách tiếp cận này rất thú vị vì nó đi lệch khỏi học máy truyền thống, theo đó các thuật toán được đào tạo trên các hình ảnh được dán nhãn cụ thể cho biết điều gì là tốt và điều gì là xấu. Thay vào đó, thuật toán dựa trên Google đã tự mình tìm ra điều này.

Khi thuật toán được thực hiện trên hơn 12.000 hình ảnh, nó đã thực hiện đáng kinh ngạc trước các chuyên gia hàng đầu, cả trong việc xác định tình trạng và phân loại chính xác mức độ nghiêm trọng của nó.

Các nhà nghiên cứu hiện đang sử dụng thuật toán trong bối cảnh lâm sàng hợp tác với Bệnh viện Mắt Aravind nổi tiếng ở Ấn Độ, mặc dù kết quả từ thử nghiệm này vẫn chưa được biết.

Hiểu về mật độ xương

Dự án thứ hai, từ một công ty khởi nghiệp ở Israel, xem xét việc sử dụng máy học để hỗ trợ bệnh nhân bị loãng xương. Họ sử dụng dữ liệu CT để xác định tốt hơn bệnh nhân để sàng lọc mật độ xương, do đó cung cấp nhận dạng sớm hơn về các vấn đề có thể xảy ra.

Ước tính có khoảng 1/3 phụ nữ và 1/5 nam giới trên 50 tuổi sẽ bị gãy xương do loãng xương trong đời, với gãy xương hông là trường hợp phổ biến nhất. Tác động có thể nghiêm trọng đối với cả chất lượng và thời gian sống, với ít hơn 1/3 bệnh nhân có thể phục hồi thành công.

Do đó, đây là một gánh nặng đáng kể đối với hệ thống chăm sóc sức khỏe, với ước tính cho thấy nó có giá 18 tỷ đô la chỉ riêng ở Hoa Kỳ. Để cải thiện chẩn đoán tình trạng, một nhóm từ Zebra Medical Vision và Viện nghiên cứu Clalit đã đặt ra để phát triển một thuật toán có khả năng tính toán mật độ xương chỉ bằng cách nhìn vào CT scan thường được sản xuất cho các mục đích khác. Nói cách khác, bệnh nhân có thể được kiểm tra nguy cơ loãng xương mà không phải trải qua một quy trình cụ thể cho nó.

Các nhà nghiên cứu cho biết, thường thấy các CT scan hiện tại cho các nhóm tuổi có liên quan trong hệ thống của nhà cung cấp, đây là một quy trình sàng lọc hiệu quả hơn, cho phép xác định bệnh nhân có nguy cơ mà không cần chi tiêu thêm và đầu tư thời gianKết hợp dữ liệu thu được từ công cụ này cùng với dữ liệu nhân khẩu học và y tế tại viện, sẽ cho phép dự đoán hiệu quả nguy cơ gãy xương cao. Đây là một ví dụ tuyệt vời về việc khai thác các khả năng phân tích và các kỹ thuật dữ liệu lớn cho sự tiến bộ của sức khỏe cộng đồng.

Họ tin rằng giải pháp của họ sẽ ngày càng quan trọng khi dân số già đi và các hệ thống chăm sóc sức khỏe đấu tranh để đối phó với nhu cầu ngày càng tăng của dân số già này.

Dịch vụ hiện cho phép bệnh nhân tải lên miễn phí một vài lần chụp CT lên trang web, với các kế hoạch đang diễn ra để phục vụ cho một phạm vi quét rộng hơn trong khóa học do.

Đó là bằng chứng nữa về sức mạnh của học máy để cải thiện sức khỏe, cung cấp cho họ quyền truy cập vào mức dữ liệu phù hợp để vừa đào tạo thuật toán của họ, vừa để rút ra những hiểu biết của họ. Điều đó, tôi nghi ngờ, sẽ là thách thức lớn tiếp theo cho ngành công nghiệp, và có lẽ không có gì ngạc nhiên khi Barack Obama ví việc thống nhất dữ liệu bệnh nhân là cuộc tấn công lớn tiếp theo của Hoa Kỳ.

Hữu ích 3 Chia sẻ Viết bình luận 0
Đã xem 9870