헬스 케어의 머신 러닝

오늘날, 인공 지능 과학의 일부인 기계 학습은 건강 관리를 포함한 우리 삶의 많은 영역에서 가장 큰 역할 중 하나입니다. 여기에는 새로운 의료 절차 개발, 환자 데이터 처리 및 질병 치료 결과 예측과 같은 다양한 건강 관련 측면이 포함될 수 있습니다 .

그러나 수술 및 기타 의료 치료의 결과를 예측할 때 기계 학습 방법의 효과는 적어도 인간 의사와 다른 의사로부터 수집 한 데이터를 사용하여 결과를 예측하는 측면에서 다소 알려져 있습니다.

질병 결과 예측

이제 2015 년 7 월 12 일 미국 의학 협회 저널 (JAMA)의 한 연구에서 로체스터 대학 의료 센터 와일리노이 대학의 연구원 들은 기계 학습을 통해 인간 의사가 상대적으로 정확한 예측을 할 수 있다고보고했습니다. 질병 결과.

Paul Nierenberg 교수 가 이끄는 연구원들은 환자의 의료 기록 정보와 컴퓨터의 정보를 일치시켜 수술 및 기타 의료 절차의 질병 및 합병증 결과를 예측하기 위해 환자 데이터를 포함한 데이터 수집을 사용하는 알고리즘을 개발했습니다. 결과의 가능성을 계산하는 프로그램.

수술 결과 예측

이 정보는 수술 전 분석에서 특정 절차의 결과를 예측하는 데 사용될 수 있습니다.

"현재의 진단 및 수술 절차는 전체 절차와 환자의 병력에 대한 전산화 시뮬레이션입니다."로체스터 대학 의료 정보 센터의 연구 및 책임자 인 Brian Meech 박사는 설명합니다. 의료 센터. "불행히도, 컴퓨터 모델은 비교적 적은 비율의 수술 절차에서, 종종 1 % 미만의 위험-이익 분석 만 시뮬레이션합니다."

이 연구의 분석 방법은 절차가 수혜자의 건강 상태에 미치는 잠재적 영향을 넘어 영향을 미쳤습니다. 모든 연령의 사람들에 대한 수술 절차에 걸쳐 이상 반응의 위험을 비교함으로써, 진단 이전에 더 많은 수의 절차가 수행되어 다른 연령대에서 수행되어 불리한 결과에 대한 위험이 덜한 것으로 가정되었다.

이 새로운 연구는 미국에서 40 년 동안 6,000 개 이상의 운영에서 얻은 데이터를 분석했는데,이 데이터는 두 번째로 큰 인구입니다.

새로운 약물 개발

예비 (초기 단계) 약물 발견에서 기계 학습의 사용은 약물 화합물의 초기 스크리닝에서부터 생물학적 요인에 기초한 예측 성공률에 이르기까지 다양한 용도로 사용될 수 있습니다.

그것은 잠재적으로 새로운 약물로 발전하고있는 새로운 성분에 대한 정보를 제공 할뿐만 아니라 약물 효능 및 안전성 (새로운 약물 개발의 주요 목표 중 하나)을 예측하는 데 도움이 될 수 있습니다.

새로운 약물 개발에 대한이 새로운 접근법은 중요하다. 현재의 접근법은 각 화합물이 구체적이고 잘 연구 된 목표를 가지고 있다는 가정에 의존하기 때문에 새로운 약물의 개발을 작은 그룹의 화합물로 제한한다. 또한, "최상의"화합물이 임상 시험에 최초로 도달 한 것으로 가정했다.

이것은 해를 끼치 지 않거나 효과가 약하거나 고용량으로 유해 할 수있는 많은 화합물이 FDA의 승인을받을 수 있음에도 불구하고 복용량 증가에 따라 더 해로울 수 있기 때문에 신뢰성있게 연구 할 수는 없음을 의미합니다.

데이터 수집

데이터 마이닝은 공중 보건에서 점점 더 중요한 연구 분야입니다. 검색의 기계 학습과 같은 다양한 작업을 수행함으로써 데이터 마이닝은 데이터를 기반으로 모델을 적용하여 데이터 세트에서 의미를 추출하고 데이터 세트에서 관련 변수를 추출한 다음 모델을 평가하는 등 다양한 형태를 취합니다. 이 변수에.

데이터 마이닝은 기본 데이터 분석에서 데이터 마이닝 및 데이터 해석에 이르기까지 매우 복잡하고 학제 간 연구 분야입니다.