Badanie uczy sztuczną inteligencję skutecznego wykrywania zaburzeń osobowości typu borderline u wcześniaków

Szybko rozwijająca się dziedzina technologii i sztucznej inteligencji (AI) w medycynie i nauce układu oddechowego znalazła się w centrum uwagi tegorocznego Kongresu Europejskiego Towarzystwa Chorób Układu Oddechowego (ERS), w tym wykorzystania sztucznych sieci neuronowych (ANN) w wykrywaniu dysplazji oskrzelowo-płucnej (BPD). ) w… Przedwczesny.

Sieci SNN można wytrenować w wykrywaniu BPD u wcześniaków poprzez analizę ich wzorców oddychania. Szwajcarscy badacze zgłosili to na konferencji ERS.

Autorzy badania stwierdzili, iż dzięki aktualnych testów czynności płuc trudno jest zidentyfikować zaburzenie osobowości typu borderline, ponieważ wymagają one zaawansowanego sprzętu.

Sztuczne sieci neuronowe to modele matematyczne, które można wykorzystać do klasyfikacji i przewidywania po przeszkoleniu na dużych ilościach danych.

„Do niedawna zapotrzebowanie na duże ilości danych utrudniało wysiłki zmierzające do stworzenia dokładnych modeli chorób płuc u niemowląt, ponieważ tak jest” – powiedział główny autor, profesor Edgar Delgado Eckert, adiunkt na Wydziale Inżynierii Biomedycznej na Uniwersytecie w Bazylei. Trudno jest ocenić czynność ich płuc.

W tym badaniu naukowcy zastosowali prostszą, nieinwazyjną alternatywę: pomiar wdechowego i wydechowego przepływu powietrza u niemowlęcia podczas oddychania oddechowego w celu uzyskania dużej ilości danych dotyczących przepływu sekwencyjnego, które można wykorzystać do szkolenia SSN.

Zespół profesora Delgado-Eckerta zbadał grupę 139 niemowląt i 190 wcześniaków, u których zdiagnozowano BPD, rejestrując ich oddech podczas snu dzięki miękkiej maski wyposażonej w czujniki przez 10 minut.

Spośród 190 wcześniaków u 47 zdiagnozowano łagodne BPD, u 54 umiarkowane BPD, a u 31 ciężkie BPD.

W przypadku każdego niemowlęcia 100 kolejnych regularnych oddechów, dokładnie zbadanych w celu wykluczenia westchnień lub innych artefaktów, wykorzystano do wyszkolenia, sprawdzenia i przetestowania iteracyjnej SSN.

Dane zostały losowo podzielone na 60% do celów szkoleniowych i 20% do weryfikacji, a pozostałe 20% przekazane niewidocznemu modelowi w celu sprawdzenia, czy może on identyfikować niemowlęta z BPD.

W przypadku niewidocznych danych testowych model osiągnął 96% dokładność, 100% swoistość, 96% czułość i 98% dokładność w wykrywaniu BPD.

Profesor Delgado Eckert powiedział: „Nasze badanie po raz pierwszy zapewnia kompleksową metodę analizy oddychania niemowląt i pozwala wykryć dzieci z BPD już w pierwszym miesiącu skorygowanego wieku – czyli wieku, jaki miałyby, gdyby się urodziły terminowo.” – wykorzystując sztuczną sieć neuronową do wykrywania nieprawidłowości w ich wzorcach oddychania.

Współprzewodnicząca konferencji ERS, profesor Judith Loeffler-Raj, stwierdziła, iż ​​badania zaprezentowane podczas tegorocznego wydarzenia zatytułowanego „Ludzie i maszyny: znalezienie adekwatnej równowagi” są przełomowe i powinny wyznaczać kierunki przyszłego rozwoju.

„Bardzo ważne jest, abyśmy patrzyli na rozwój technologii, zwłaszcza sztucznej inteligencji, z otwartym umysłem, ale także krytycznym okiem” – stwierdziła.

„Naszą wizją jest rozwój medycyny spersonalizowanej poprzez odpowiedzialne wykorzystanie sztucznej inteligencji i ciągłe doskonalenie medycyny oddechowej”.