Ryze | IT, Gadgets si Crypto

Infarctul miocardic acut (AMI) – sau boala coronariana – este principala cauza a decesului in S.U.A., iar pana in 2035, se estimeaza ca aproape jumatate dintre adulti vor suferi de o anumita forma. Din pacate, in cazul celor mai multe incidente ale AMI apar simptome evidente cum ar fi durere in piept sau dificultati de respiratie. Dar cercetatorii de la Universitatea de Stat din Florida si de la Universitatea din Florida, Gainesville recruteaza inteligenta artificiala (AI) pentru a ajuta la prezicerea mortalitatii pe o perioada de un an pentru pacientii care au experimentat un episod AMI.

 

S-a selectat perioada de un an ca fereastra de predictie, deoarece ar permite compararea cu alte studii, au scris cercetatorii, si pentru ca ar lua in considerare pacientii care au avut mai multe internari legate de AMI intr-o perioada de doi ani.

 

 

“In comparatie cu ghidurile de evaluare a riscurilor care necesita calcularea manuala a scorurilor, predictia bazata pe invatarea masinilor pentru rezultatele bolii, cum ar fi mortalitatea, poate fi utilizata pentru a economisi timp si a imbunatati acuratetea predictiei”, s-a scris intr-o lucrare (“Construirea modelelor computationale pentru a prezice mortalitatea pacientilor internati cu infarct miocardic acut si sindromul de infarct miocardic postat) publicata pe serverul preprint Arxiv.org. Acest studiu a construit si evaluat diferite modele de invatare mecanica pentru a prezice mortalitatea pe o perioada de un an la pacientii diagnosticati cu infarct miocardic acut sau sindromul de infarct miocardic.

 

Pentru a asambla un set de date, autorii studiului au furnizat MIMIC-III, o baza de date accesibila si  mentinuta de Laboratorul MIT pentru Fiziologie Computationala, cu 58.000 de admiteri in spitale de la 40.000 de pacienti. Ei au scurtat lista la 5 037 de subiecti (reprezentand 7.590 de admiteri) prin selectarea caracteristicilor “dovedite a fi predictori ai mortalitatii”, cum ar fi functia renala si hepatica, admiterea, demografia, tratamentul, valorile de laborator care evalueaza sanatatea generala pe termen lung si pe termen scurt , si diferiti markeri cardiaci.

 

In cele din urma, echipa a decis sa analizeze datele bazate pe internare- 5,436 cu un diagnostic AMI sau sindrom premenstrual (PMS), dintre care ultimul este asociat cu palpitatii cardiace. Asta pentru ca, in unele cazuri, pacientii au avut intr-un an o singura internare, dar in anul urmator au avut mai multe.

 

Cercetatorii au pregatit inregistrarile pentru a elimina duplicatele, tratamente multiple pentru aceeasi admitere, erori de introducere de date si valori exceptionale. Pentru a compara performanta in cadrul mai multor modele de invatare pe masini diferite, au folosit Waikato Environment for Knowledge Analysis (WEKA), un software bazat pe Java dezvoltat la Universitatea din Waikato, Noua Zeelanda.

 

Folosind cadrul gratuit TensorFlow detinut de Google pe un PC cu procesor Intel Core i7 de 2.2GHz, echipa a pregatit mai mult de o duzina de algoritmi de clasificare pe corpus, incluzand AdaBoost, clasificatorul atributului selectat, Bayes Net, clasificarea prin regresie si Stump Decision.

 

In cadrul testelor, doua modele AI – algoritmii Logistic Model Trees (LMT) si Simple Logistic – au avut rezultate mai bune decat celelalte, atingand o precizie de 85,12% in identificarea a 30% dintre pacienti din setul de date (1,629) care au decedat in decursul unui an de la admitere. (Un al treilea algoritm, J48, a urmat, cu o precizie de 84,88%). Interesant este ca un model de retea neuronala – un model cu straturi de functii matematice care imita neuronii comportamentului in creierul uman – a depasit toti algoritmii de invatare a masinii studiate in capacitatea sa de a identifica pacientii care au murit in decurs de un an.

 

 

“Aceasta reflecta o intelegere comuna in stiinta datelor ca nu exista un algoritm universal aplicabil care sa depaseasca performantele tuturor celorlalti algoritmi”, au scris cercetatorii. Exista multi factori care pot afecta ratele de mortalitate in urma unui infarct miocardic. Identificarea unei modalitati de utilizare a informatiilor privind acesti factori va contribui la prezicerea exacta a posibilelor rezultate. ”

 

Autorii hartiei noteaza ca setul de date dezechilibrat (30% din cazurile de mortalitate pe o perioada de un an) a fost un factor de limitare pentru studiu, la fel ca si lipsurile de date, precum lipsa valorilor de laborator si a diagramelor. Dar ei sustin ca rezultatele arata ca diagnosticul corect si tratamentul AMI au un efect demonstrabil asupra mortalitatii intr-o perioada de un an.

 

“Dupa cum se vede din acest set de date, nu exista un factor specific care sa furnizeze informatiile necesare pentru predictibilitate, in timp ce posibilitatea de a include toate criteriile relevante conduce la predictii imbunatatite”, au scris ei. “Previzibilitatea imbunatatita obtinuta prin utilizarea invatarii mecanice poate ajuta pacientii cu risc sa se straduiasca sa respecte planurile de tratament pentru reducerea riscului de mortalitate”.