تعلم الآلات كيفية اكتشاف الإصابة بالفطريات والسل الرئوي النادرة في مرضى السرطان.
وفي الآونة الأخيرة، استمرت المؤسسات الطبية العالمية ونظم الصحة العامة في تعزيز القدرة على بناء الخدمات وتوفير ضمانات أكثر قوة لصحت الجمهور. تعد الأمراض المعدية التي تؤدي إلى المرضين المتعثرين بـ 4 تيموتيوبيت هو مشكلة معقدة وصعبة للغاية بالنظر إلى خصائصها الفريدة. يمكن لتحديد الخصائص A-priori باستخدام أساليب الذكاء الإلكتروني الحديث أن يؤدي إلى تشجيع عملية التامين 5 ويمكن أن يكون لها تأثير إيجابي على تحسين النتائج والإستفادة المبكرة من التامين 6 و الاستخدام الكافي للموارد.
هدفنا هو تطوير نظام دعم القرارات السريرية المدفوع بالذكاء الاصطناعي لتحديد العدوى النادرة والخاصة - التي تتألف من مجموعة مركبة تضم ست أمراض مختلفة بشكل ملحوظ باستخدام الميكروبيولوجيا وخصائصها التجريبية (بما في ذلك: سرطان الأسنان، وبالتهابات الدماغية البشعرية الحيويّة، وبالتهابات الدمجية الجذعية، وبالتيوب الرئوي) ، متوحدة مع نموذج تأخير الزيمون 7 الذي يشترك بينهم- في مرحلة مبكرة زيم 10 عاماً، وهذا غالباً ما يكون نتيجة للتأخير الناجم عن أعراض غير محدّدة أو التحيزات المتعلقة بالمختبرين والمشكوكات الطبية المنخفضة، مما يؤدي إلى تأخر 20-30 يوم. ونحن نقوم بتحليل البيانات التي تم جمعها من 11,494 مريضًا في مستشفى مايو 2010-2023 خلال فترة 1 تشرين الثاني (١٤٩۴ مع أمراض نادرة، ١٠٠٠٠ مراقبة). بناءً على بيانات المستشفيات الميو جمعت من المرضى لمدة ثلاثة أيام أثناء فترة 2 تشرينث ، فإن نموذج التعلم الآلي ، بما في ذلك HistGradientBoosting ، يتم تدريبه على خصائص وفرق البيانات المجمعة من المريضين خلال فترة 3 أيام.
يتم التعامل مع عدم توازن الفئات، ويتم معالجة عدم توازنة الفئة من خلال SMOTE وتوفير تفسيراً عن طريق قيمة SHAP. باستخدام دقة ، الحساسية ، الخصائص والمساحة تحت منحنى ROC (AUC) كعلامات تقييم الأداء ، يتم تقدير الأداء على نطاق الدقة ، الحاسسة ، الخصوصية ، والمساحة تحت الموجة AUC ((ROC)). يبلغ مستوى الدقة في نموذج HistGradientBoosting 93.
2٪، ومعدل AUC 0. 947 ((IQR 0. 942-0.
952)) ، واللميزة (97. 3%) وحساسية (61. 9٪) من التوقعات تحت الحد الأقصى للتصنيف الافتراضي للنموذج.
وتشمل المؤشرات الرئيسية للمتوقع انخفاضاً في مستويات حمض الكريستين العالي، وانخفاض عدد الخلايا الليمفاوية، تغير الجنس الذكور، وأعلام نقص المناعة، والعمر، وخفضة مستويات التركيب التي تتوافق مع مؤشرات المعلم السريبي، مما أظهر إمكانية قوية للإصابات النادرة المبكرة بـ 8 مروتين. من خلال استخدام بيانات سجل الصحة الإلكترونية ونموذج التعلم الآلي المتقدم، يمكن للنظام تحسين كفاءة استغلال الموارد لتنفيذ التدخلات السريرية في الوقت المناسب وتحقيق زيادة فاعلية علاج المرضى. البيانات الخارجية والتجارب القادمة تؤكد هذه الاكتشافات وأسهل تنفيذها في العالم الحقيقي.
ومن الضروري أن يُوضّح أنه يتم ترتيب هذا على أساس نتائج الأبحاث العامة الدولية والتي تستخدم لمراجع صحية كوب دون تشكيل توصيات العلاج الطبي.
