Κορονοϊός: Σύστημα τεχνητής νοημοσύνης προβλέπει ποιος ασθενής θα πεθάνει

Το «έξυπνο» μοντέλο, που δοκιμάστηκε σε άλλους 24 ασθενείς Covid-19 σε κρίσιμη κατάσταση, απέδειξε ψηλή προγνωστική ακρίβεια, προβλέποντας σωστά τους 18 από τους 19 ασθενείς που επιβίωσαν, καθώς και όλους (πέντε) ασθενείς που τελικά πέθαναν.

doctor ga8d4f1752 1920 2

Επιστήμονες στη Γερμανία ανέπτυξαν ένα νέο σύστημα τεχνητής νοημοσύνης (μηχανικής μάθησης), που αναλύει τις πρωτεΐνες σε ένα μοναδικό δείγμα αίματος από έναν άρρωστο βαριά λόγω Covid-19 και το οποίο μπορεί να προβλέψει τις πιθανότητες επιβίωσης του ασθενούς ακόμη και εβδομάδες πριν την τελική έκβαση.

Οι ερευνητές του μεγάλου Πανεπιστημιακού Νοσοκομείου Charite του Βερολίνου, με επικεφαλής τους δρες Φλόριαν Κουρθ και Μάρκους Ράλσερ, οι οποίοι έκαναν τη σχετική δημοσίευση στο περιοδικό για θέματα ψηφιακής υγείας “PLoS Digital Health”, μελέτησαν τα επίπεδα 321 πρωτεϊνών σε δείγματα αίματος που ελήφθησαν 50 σοβαρά άρρωστους με Covid-19, από τους οποίους οι 15 τελικά πέθαναν, ενώ για όσους επιβίωσαν ο μέσος χρόνος νοσηλείας τους ήταν 63 μέρες.

Στη συνέχεια ένα μοντέλο τεχνητής νοημοσύνης χρησιμοποιήθηκε για να βρει συσχετίσεις ανάμεσα στις πρωτεΐνες και στην επιβίωση των ασθενών. Με αυτόν τον τρόπο, εντοπίστηκαν 14 πρωτεΐνες που με το πέρασμα του χρόνου μεταβάλλονται με αντίθετο τρόπο στους ασθενείς που πρόκειται να βελτιωθεί η κατάσταση τους, σε σχέση με εκείνους που δεν θα βγουν ζωντανοί από τη ΜΕΘ.

Το «έξυπνο» μοντέλο, που δοκιμάστηκε σε άλλους 24 ασθενείς Covid-19 σε κρίσιμη κατάσταση, απέδειξε ψηλή προγνωστική ακρίβεια, προβλέποντας σωστά τους 18 από τους 19 ασθενείς που επιβίωσαν, καθώς και όλους (πέντε) ασθενείς που τελικά πέθαναν. Οι ερευνητές ανέφεραν ότι, μετά την επιβεβαίωση της αξιοπιστίας των προγνώσεων του συστήματος σε μεγαλύτερο δείγμα ασθενών, θα μπορεί να αξιοποιηθεί από τους γιατρούς αφενός για να εντοπίζουν έγκαιρα τους ασθενείς με τον μεγαλύτερο κίνδυνο θανάτου και αφετέρου για να ελέγχουν αν μια θεραπεία που εφαρμόζουν, βελτιώνει πραγματικά ή όχι την πορεία του ασθενούς.

Σύνδεσμος για την επιστημονική δημοσίευση:  https://journals.plos.org/digitalhealth/article?id=10.1371/journal.pdig.0000007

Viral αποφοίτηση: «Με Άννα, Καίτη και Χαρούλα ό,τι πτυχίο πήραμε παιδιά» είπε απόφοιτη στην ορκωμοσία της (Video)

apofiti

Viral αποφοίτηση: «Με Άννα, Καίτη και Χαρούλα ό,τι πτυχίο πήραμε παιδιά» είπε απόφοιτη στην ορκωμοσία της (Video)

Σε βίντεο που δημοσίευσε στο TikTok, η νεαρή απόφοιτη από το Χαροκόπειο Πανεπιστήμιο, απεικονίζεται με το πτυχίο…

Καπραβέλος: Η δήλωση που έπρεπε να ακουστεί – «Έχω όμως ένα παράπονο από τον Καλλιάνο» (video)

InCollage 20240426 174104583

Καπραβέλος: Η δήλωση που έπρεπε να ακουστεί – «Έχω όμως ένα παράπονο από τον Καλλιάνο» (video)

Το παράπονο του προς τον Γιάννη Καλλιάνο εξέφρασε ο συντονιστής διευθυντής Β' ΜΕΘ του Παπανικολάου

Άρειος Πάγος: Απολύθηκαν πέντε δικαστές λόγω μεγάλων καθυστερήσεων στην έκδοση αποφάσεων

δικαστηριο

Άρειος Πάγος: Απολύθηκαν πέντε δικαστές λόγω μεγάλων καθυστερήσεων στην έκδοση αποφάσεων

Δεν απολύθηκε μία δικαστής η οποία είχε μεν καθυστερήσεις λόγω σοβαρών προβλημάτων υγείας, αλλά τις…