Машиналық оқу - сирек кездесетін саңырауқұлақ және туберкулез инфекцияларын диагностикалайтын әдіс.
Соңғы кездері әлемдік медициналық мекемелер мен қоғамдық денсаулық сақтау жүйелері қызмет көрсету қабілетін дамытуды жалғастырып, халықтың денсаулығын нығайта түсуді қамтамасыз етуде. 4 изоцит-индикуляциялық аурулар олардың ерекшеліктерін ескере отырып күрделі және аса қиын мәселе болып табылады. Арғы AI әдістерін қолдана отырып жасалатын A-priori белгілерін анықтау 5 процесінің жақсаруына ықпал етеді.
Біздің мақсатымыз - сирек кездесетін және ерекше инфекцияларды анықтауға арналған AI-мен қамтамасыз етілген клиникалық шешімді қолдау жүйесін әзірлеу. Оның құрамында алты микробиологиялық және клиникалық сипаттамалары айтарлықтай әртүрлі аурулардан тұратын кешендер бар: сүйек қауыршақтары, гинеполомиялық минометриялар, туберкулездік мемофинальды қабығы, цинциклоклемик келімшегі мен өкпе ісіктері) олардың ортақтасқан 20-30 days біріктірілуіне себепші болып табылатын белгісіз симптомдар, бейтарапшылықтар мен төмен медициналық күмәннің салдарынан басталған ұзақыштардың алғашқы кезеңінде Біз 2010-2023 жылдар аралығында Мео клиникалық ауруханасы (МЭО) 11 494 науқастан алынған деректерді зерттедік (1494 with rare infections, 10,000 controls). СМОTE арқылы сұрыптық тепе-теңсіздіктерді өңдеу, SHAP мәндерімен түсіндіру.
Әдетте дәлдік, сезімталдық, ерекшелік және AUC (ROC) қиылысы астындағы аумақтарды пайдалану арқылы HistGradientBoosting моделінің дәлдігі 93,2%, AUC 0,947 ((IQR 0,942-0,952)), елеулілігі (97,3%) және сезімталдығы (61,9%) модельдің әдеттегі классификациялық шектен тыс төмен болжамдар бойынша жоспарланған. Ключевые болжамды көрсеткіштер: лимфацит деңгейін төмендету, лимпа клеткаларының санының азаюы, ерлердің жынысының өзгеруі, иммундық кемшіліктердің белгілері, жас пен гармония деңгейлерінің төмендеуі; бұл көрсеткіштер клиникалық таңбалау индикаторларына сәйкес келеді, ал цилиндiк-8-нің алғашқы сейрек кездесетін инфекциялардың күшті әлеуетін көрсетеді. Электрондық денсаулық сақтау деректерін және озық машинамен оқыту моделдерін пайдалана отырып, жүйе ресурстарды тиімді пайдалануды арттыра алады, клиникалық араласуларды уақтылы жүзеге асырады және ақыры пациенттердің емделуін жақсартады.
Сыртқы деректер мен алдын ала эксперименттер бұл нәтижелерді одан әрі растайды және оларды нақты әлемдегі іске асыруға ықпал етеді.
