TG Telegram Group & Channel
آکادمی یادگیری ماشین | United States America (US)
Create: Update:

⭕️ طراحی یک مدل یادگیری ماشین که توانایی بیمار برای زنده ماندن از COVID-19 را پیش‌بینی می‌کند!

محققان دانشگاه Universitätsmedizin برلین سطوح ۳۲۱ پروتئین را در نمونه‌های خونی که در ۳۴۹ نقطه زمانی از ۵۰ بیمار بدخیم کووید-۱۹ در دو مرکز مراقبت‌های بهداشتی مستقل در آلمان و اتریش تحت درمان بودند، بررسی کردند. در نهایت یک رویکرد یادگیری ماشین برای یافتن ارتباط بین پروتئین های اندازه‌گیری شده و بقای بیمار استفاده شد.

۱۵ نفر از بیماران گروه فوت کردند. میانگین زمان از بستری شدن تا مرگ ۲۸ روز بود. برای بیمارانی که زنده مانده بودند، میانگین زمان بستری در بیمارستان ۶۳ روز بود. محققان ۱۴ پروتئین را مشخص کردند که با گذشت زمان، برای بیمارانی که زنده می‌مانند در مقایسه با بیمارانی که در مراقبت‌های ویژه زنده نمی‌مانند، در جهت عکس تغییر می‌کنند.

سپس این تیم یک مدل یادگیری ماشین را برای پیش‌بینی بقا براساس اندازه‌گیری پروتئین‌های مربوطه در یک نقطه زمانی واحد ایجاد کردند و این مدل را روی یک گروه متشکل از ۲۴ بیمار مبتلا به کووید-۱۹ آزمایش کردند. این مدل قدرت پیش‌بینی بالایی را در این گروه نشان داد، و به درستی نتیجه را برای ۱۸ بیمار از ۱۹ بیمار زنده‌مانده و ۵ نفر از ۵ بیمار فوت کرده پیش‌بینی کرد.

محققان نتیجه می‌گیرند که آزمایش‌های پروتئین خون، اگر در گروه‌های بزرگ‌تر تأیید شوند، ممکن است هم در شناسایی بیماران با بالاترین خطر مرگ و میر مفید باشد و هم برای آزمایش اینکه آیا یک درمان معین مسیر پیش‌بینی شده یک بیمار را تغییر می‌دهد یا خیر.

این تحقیق در مجله PLOS Digital Health منتشر شده است.
@machine_learning2022

⭕️ طراحی یک مدل یادگیری ماشین که توانایی بیمار برای زنده ماندن از COVID-19 را پیش‌بینی می‌کند!

محققان دانشگاه Universitätsmedizin برلین سطوح ۳۲۱ پروتئین را در نمونه‌های خونی که در ۳۴۹ نقطه زمانی از ۵۰ بیمار بدخیم کووید-۱۹ در دو مرکز مراقبت‌های بهداشتی مستقل در آلمان و اتریش تحت درمان بودند، بررسی کردند. در نهایت یک رویکرد یادگیری ماشین برای یافتن ارتباط بین پروتئین های اندازه‌گیری شده و بقای بیمار استفاده شد.

۱۵ نفر از بیماران گروه فوت کردند. میانگین زمان از بستری شدن تا مرگ ۲۸ روز بود. برای بیمارانی که زنده مانده بودند، میانگین زمان بستری در بیمارستان ۶۳ روز بود. محققان ۱۴ پروتئین را مشخص کردند که با گذشت زمان، برای بیمارانی که زنده می‌مانند در مقایسه با بیمارانی که در مراقبت‌های ویژه زنده نمی‌مانند، در جهت عکس تغییر می‌کنند.

سپس این تیم یک مدل یادگیری ماشین را برای پیش‌بینی بقا براساس اندازه‌گیری پروتئین‌های مربوطه در یک نقطه زمانی واحد ایجاد کردند و این مدل را روی یک گروه متشکل از ۲۴ بیمار مبتلا به کووید-۱۹ آزمایش کردند. این مدل قدرت پیش‌بینی بالایی را در این گروه نشان داد، و به درستی نتیجه را برای ۱۸ بیمار از ۱۹ بیمار زنده‌مانده و ۵ نفر از ۵ بیمار فوت کرده پیش‌بینی کرد.

محققان نتیجه می‌گیرند که آزمایش‌های پروتئین خون، اگر در گروه‌های بزرگ‌تر تأیید شوند، ممکن است هم در شناسایی بیماران با بالاترین خطر مرگ و میر مفید باشد و هم برای آزمایش اینکه آیا یک درمان معین مسیر پیش‌بینی شده یک بیمار را تغییر می‌دهد یا خیر.

این تحقیق در مجله PLOS Digital Health منتشر شده است.
@machine_learning2022


>>Click here to continue<<

آکادمی یادگیری ماشین




Share with your best friend
VIEW MORE

United States America Popular Telegram Group (US)