Cleveland Clinic: AI könnte helfen, Personalisieren Behandlung für Lungenkrebs-Patienten

Cleveland Clinic: AI könnte helfen, Personalisieren Behandlung für Lungenkrebs-Patienten

Künstliche Intelligenz und maschinelles lernen-Netzwerke könnten helfen, Personalisieren Strahlentherapie für Lungenkrebs, nach einer neuen Studie von der Cleveland Clinic.

Die Forschung, veröffentlicht in „The Lancet“ Digital Health, dreht sich um ein künstliches neuronales Netzwerk mit einem großen Datensatz von Patienten, die Lungenkrebs Strahlentherapie.

Das Netz, das jedem klinischen Zentrum zu nutzen, um Ihre eigenen CT-Datensätze zur Anpassung der Rahmenbedingungen und passen es an Ihre spezifischen Patientenpopulation, wurde mit Hilfe von CT-scans und der elektronischen Patientenakten von fast tausend Lungenkrebs-Patienten, die mit hoch dosierter Strahlung.

Das Unternehmen framework verwendet Wahrscheinlichkeit Schätzungen wählen Sie eine optimierte Dosis, die verhindert, dass Behandlungen Versagen, eine set-Ebene, beispielsweise eine fünf-Prozent-Wahrscheinlichkeit des Scheiterns.

Vor der Behandlung wurden durchsucht Eingang in einen deep-learning-Modell, welches analysiert die scans zu erstellen, die ein Bild der Unterschrift, das sagt Behandlungsergebnisse.

Dieses Bild Unterschrift wurde kombiniert mit Daten aus der Gesundheit der Patienten-Datensätze zu generieren, eine personifizierte Dosis der Strahlung mit fortgeschrittenen mathematischen Modellierung.

„KI kann lernen von imaging-und elektronischen Gesundheit Aufzeichnungen und Vorhersagen über die Wahrscheinlichkeit des einzelnen Patienten ausfallen könnte-Strahlung Behandlungen“ führen Autor Dr. Mohamed Abazeed, eine Strahlung Onkologe an der Cleveland-Klinik Taussig-Krebs-Institut und Forscher am Lerner Research Institute, sagte HealthcareITNews.

„Also,“ sagte er, „die KI kann helfen, die individualisierte Strahlentherapie-Behandlungen für Patienten mit Krebs in der Lunge.“

Dr. Abazeed erklärte Sie beurteilen die Transportfähigkeit des Modells auf vielfältige Krankenhaus-Systeme über die lokale Umsetzung oder Verwendung von large-scale Föderierten datasets.

In der Zukunft AI-Modelle optimiert werden konnten basierend auf verschiedenen Ziel-Populationen, basierend auf ethnischer Herkunft, Geschlecht oder Alter, medizinische-Einstellungen (community hospital-oder academic-center) geografischen Gebietsschemas oder sogar zeitlich unterschiedliche Populationen.

„Wir werden auch testen Sie die vermeintliche überlegenheit von iGray–individuelle Dosis-Empfehlungen ein Kopf-an-Kopf mit standard-of-care-Empfehlungen in einer prospektiven klinischen Studie,“ Dr. Abazeed sagte.

In Bezug auf diejenigen, die glauben, KI-Technologie hat noch viel weiter zu gehen, bevor es praktische Anwendungen für den Medizin-und Gesundheitssektor Dr. Abazeed stellte eine Voraussetzung für den wissenschaftlichen Fortschritt ist die willentliche Aussetzung der Ungläubigkeit.

„In einem großen Teil angetrieben durch diese Arbeit sind wir auf den Abgrund für die praktische und innovative Implementierungen in den hoch standardisierten und Daten-vollgestopft Disziplin der Radioonkologie“, sagte er.

Die Studie folgt die Nachricht, dass das französische Biopharma-Unternehmen Sanofi und der tech-Riese Google in Kooperation zu nutzen, maschinelles lernen, AI und tiefen analytics-Technologien in allen Datensätzen, um besser zu verstehen, die wichtigsten Krankheiten.

Unterdessen hat eine neue Studie aus Innovaccer untersucht die Möglichkeiten, seine KI-algorithmen eingesetzt werden könnte, um die Arbeit zu verbessern, Risiko-scoring und Schichtung und Verbesserung der value-based-care-Initiativen.

Nathan Eddy ist ein healthcare-und Technologie-freelancer mit Sitz in Berlin.
E-Mail der Autorin: [email protected]
Twitter: @dropdeaded209