Apprendimento automatico in sanità

Al giorno d’oggi, l’apprendimento automatico (che fa parte dell’intera scienza dell’intelligenza artificiale) svolge uno dei ruoli più importanti in molte aree della nostra vita, compresa l’assistenza sanitaria . Ciò può includere diversi aspetti relativi alla salute come lo sviluppo di nuove procedure mediche, la gestione dei dati dei pazienti e la previsione degli esiti del trattamento delle malattie .

Tuttavia, quando si tratta di prevedere l’esito di interventi chirurgici e altri trattamenti medici, l’efficacia dei metodi di apprendimento automatico è nota solo in parte, almeno in termini di previsione del risultato utilizzando i dati raccolti da medici umani e altri medici.

Previsione degli esiti della malattia

Ora, in uno studio pubblicato sul Journal of American Medical Association (JAMA) il 12 luglio 2015, alcuni ricercatori dell’Università di Rochester Medical Center e dell’Università dell’Illinois hanno riferito che l’apprendimento automatico può consentire ai medici umani di fare previsioni relativamente accurate di risultati della malattia.

I ricercatori, guidati dal Prof. Paul Nierenberg , hanno sviluppato un algoritmo che utilizza una raccolta di dati, inclusi i dati dei pazienti, per prevedere i risultati della malattia e delle complicanze in chirurgia e altre procedure mediche abbinando le informazioni delle cartelle cliniche dei pazienti con le informazioni dal computer programmi che calcolano le probabilità del risultato.

Previsione dei risultati della chirurgia

Queste informazioni possono quindi essere utilizzate nelle analisi pre-chirurgiche per anticipare i probabili esiti di una determinata procedura.

“L’attuale generazione di procedure diagnostiche e chirurgiche è una combinazione di simulazione computerizzata dell’intera procedura e dell’anamnesi del paziente”, spiega il dott. Brian Meech, autore senior dello studio e direttore del Center for Medical Information dell’Università di Rochester Centro medico. “Sfortunatamente, i modelli di computer simulano l’analisi del rapporto rischio-beneficio solo in una frazione relativamente piccola delle procedure chirurgiche, spesso meno dell’1%”.

Il metodo di analisi dello studio ha avuto implicazioni al di là dei soli effetti potenziali della procedura sulle condizioni mediche del ricevente. Confrontando il rischio di eventi avversi nelle procedure chirurgiche per persone di tutte le età, è stato ipotizzato che un numero maggiore di procedure sarebbe stato eseguito prima della diagnosi e quindi in una fascia di età diversa, rendendole meno rischiose per gli esiti avversi.

La nuova ricerca ha analizzato i dati di oltre 6.000 operazioni nel corso di un periodo di 40 anni negli Stati Uniti, la seconda popolazione più grande in cui tali dati erano disponibili.

Sviluppo di nuovi farmaci

L’uso dell’apprendimento automatico nella scoperta preliminare di farmaci (fase iniziale) ha il potenziale per vari usi, dallo screening iniziale dei composti farmacologici al tasso di successo previsto in base a fattori biologici.

Può potenzialmente aiutare a prevedere l’efficacia e la sicurezza dei farmaci (che è uno dei principali obiettivi dello sviluppo di nuovi farmaci), nonché fornire informazioni su nuovi ingredienti che si stanno potenzialmente sviluppando in nuovi farmaci.

Questo nuovo approccio allo sviluppo di nuovi farmaci è importante perché gli attuali approcci si basano sul presupposto che ogni composto ha un obiettivo specifico e ben studiato, che limita lo sviluppo di nuovi farmaci a piccoli gruppi di composti. Inoltre, il presupposto è stato che il composto “migliore” è il primo a raggiungere studi clinici.

Ciò significa che molti composti che potrebbero non danneggiare, potrebbero avere solo un effetto debole o potrebbero rivelarsi dannosi a dosi elevate possono ottenere l’approvazione della FDA, anche se questi composti non possono essere studiati in modo affidabile poiché potrebbero essere più dannosi con l’aumentare della dose.

Estrazione dei dati

Il data mining è un campo di studio sempre più importante nella sanità pubblica . Eseguendo una serie di attività, come l’apprendimento automatico nella ricerca, il data mining assume una vasta gamma di forme: applicazione di un modello basato sui dati per estrarre significato da un set di dati, estrazione di variabili rilevanti da un set di dati e valutazione di un modello su queste variabili.

Il data mining è un campo di studio altamente complesso e interdisciplinare che può variare dall’analisi dei dati di base al data mining e all’interpretazione dei dati.

Salute IT