Machine Learning boleh meramalan Risiko Kematian

 


Penyelidik di Geisinger mendapati bahawa algoritma komputer yang dikembangkan berdasarkan sekumpulan video echocardiogram jantung dapat meramalkan risiko kematian dalam satu tahun.


Keupayaan algoritma Pembelajaran Mesin ini mengungguli ramalan klinikal lain yang tertumpu pada penyelidikan serupa.


"Kami gembira dapat mengetahui bahawa pembelajaran mesin dapat menggunakan set data tidak berstruktur seperti gambar dan video perubatan untuk meningkatkan model ramalan klinikal," kata Chris Haggerty, Ph.D., pengarang kanan dan penolong profesor di Jabatan Sains Data Informatik dan Informatika di Geisinger.


Menurut kajian yang diterbitkan dalam Nature Biomedical Engineering, pencitraan sangat penting untuk keputusan rawatan perubatan dalam kebanyakan bidang. Sebenarnya, pengimejan telah menjadi salah satu komponen data kesihatan elektronik yang paling kaya dengan data.


Satu ultrasound jantung, misalnya, menghasilkan kira-kira 3.000 gambar. Sementara itu, pakar kardiologi mempunyai masa yang terhad untuk menafsirkan ribuan gambar dalam konteks data diagnostik yang lain.


Oleh itu, para penyelidik menilai bahawa pengimejan dapat mewujudkan peluang besar melalui penggunaan teknologi seperti pembelajaran mesin untuk mengurus dan menganalisis data ini dan akhirnya dapat membantu doktor.