AI slår igenom igen! Samtidig undersökning av 10 typer av demenssjukdomar, antagningsgrad för läkarstudenter i allmän kategori 26 %

Markerad text | Ma Xuewei

förord

Demens är den sjunde vanligaste dödsorsaken i världens befolkning, och den är också den främsta orsaken till förlust av förmåga och beroende hos äldre i världen. Demens har bekräftats vara fördelaktigt för äldre människor, fysisk hälsa från år till år och andra hushållsuppgifter.

Från och med idag har Yuba University Research Institute och medförfattare utvecklat ett verktyg för artificiell intelligens (AI), som är en lovande medicinsk assistent för oss (samtidigt).

En forskningsöversikt av "AI-baserad differentialdiagnos av demensetiologier på multimodala data" publicerades i Nature Medicine.

"Min egen generations formel AI Potentialen hos verktyget för att ständigt samla in antalet sängar och diagnostisera symptomen på demens, utställningen har avslutats, och potentialen hos verktyget för att utveckla potentialen för sjukdomen och kombinationen av demens. Dr Vijaya B. Kolachalama, docent i medicin, Avedisian School of Medicine.

"Det råder en global brist på medicinsk personal i världen och efterfrågan på andra patienter ökar snabbt. Det är möjligt att ge tidig diagnos och medicinsk hjälp för mindre sjukdomar, rehabilitering och behandling av patienter, förebyggande och behandling av sjukdomar."

Vi hoppas att vårt forskarteam kommer att fortsätta att öka antalet demensfall under de kommande 20 åren, och våra AI-verktyg kommer att tillhandahålla tillförlitliga diagnostiska tester, vilket stödjer den ökande efterfrågan på effektiva behandlingar för demens.

Antagningsgrad till läkarexamen: 26 %

Antalet kontor inom Världshälsoorganisationen (WHO) överstiger för närvarande 5500 över hela världen. Alla lider av demens och varje år finns det 10 miljoner nya fall av demens över hela världen.

På grund av detta är det mycket viktigt att bekräfta effektiviteten av demensdiagnostik och att utveckla specifika hanteringsstrategier. Men för närvarande finns det ingen gräns för förvärvet av skärverktygen, och novellen om en gudomlig lärd och en gudomlig psykolog är ett steg utöver den andra utmaningen.

I det här fallet har forskargruppen öppnat en ram för multi-model equipment learning (ML), och ramen används för regelbunden insamling. Ett antal information (populationsinformation, patienthistoria, familjehistoria, användningsinformation och psykologisk historia) Den specifika patologin för demens bekräftades av MRT.

Bild | Etiologisk klassificeringstabell

För att använda olika typer av modeller har vi ett stort antal modeller att välja mellan och forskargruppen använder olika metoder för att identifiera demens. Den allmänna fördelningen har delats in i 13 olika kategorier, varav en eller flera är allmänt kända bland neurologerna. De olika praktiska klassificeringsmetoderna beaktas i termer av golvhanteringsvägar, som återspeglar den verkliga scenen. Till exempel forskargruppen allmän väg fysisk demens grupp Kanamori sjukdom demens kategori LBD kombinationskategori. Förstå grunderna i denna klassificering och förstå att sjukdomens väg vanligtvis liknar vägen för observation, och att många akademiska hinder vanligtvis styrs av familjemedlemmar.

Bild | Nio oberoende nummeruppsättning

Denna studie använde en samling av nio oberoende nummer, inklusive ADNI, NACC, NIFD, PPMI, OASIS, LBDSU, 4RTNI och FHS. NACC, NIFD, PPMI, OASIS, LBDSU och 4RTNI målnummer installation användarmodell design. ADNI, FHS och NACC mellanmodelltest. För närvarande under forskning, sedan användningen av flera ML-ramar, har nio olika globala nummer samlats in och 50 000 personers nummer har flyttats.

图 | Flera siffror, modellkonstruktion japansk konstruktionsstrategi. a、Använd modell för demensdiagnostik, inställning och utveckling av flera arter, omfattande individuell demografi, hälsohistoria, systematisk undersökning, fysisk/fysisk undersökning och multi-sekvens MRI-diagram. Därför, när ett trivialt nummer är tillgängligt, koncentreras nio oberoende nummer. Antalet forskningsorganisationer inklusive NACC, AIBL, PPMI, NIFD, LBDSU, OASIS och 4RTNI ingår. Forskningslaboratoriet använder NACC för interna tester. Forskargruppen har använts av ADNI och FHS. b, Transformator arbetsmodell struktur. Varje specialattack passerar genom en modell med en specifik emb. strategi, en fast riktningslängd och en transformator som kan importeras till produktion. Vid användning av ett trådbundet lager används transformatorn för att ansluta det trådbundna lagret. c、Jämförelseanalys av utvecklingen av NACC-testnummerinsamling、Jämförelse av presentationen av AI-modellen med hjälp av AI-modellen och utseendet under assistans av AI. Samma namn, forskargrupp, avdelningen för medicin, röntgenavdelningen, andra personer har fått NACC-testlistan, välj maskinen i listan över demensfall, bok, här är AI Effekten av den detaljerade analysen. För närvarande finns det ett antal liknande modeller tillgängliga för läkarstudenter. I slutändan är forskningsanläggningarna för NACC, ADNI och FHS resultatet av studien av tillgängliga biologiska modeller och patologi, etc.

Bild | Klassificering kunskap tillstånd modell prestanda

Modellens förmåga är effektiv, området har normal igenkänning, igenkänningsgraden är försämrad och den faktiska genomsnittliga AUROC är 0,94 och dess förmåga att utvecklas är extremt stark. Modellerna är av samma ålder, kön och variation och har en god förmåga att förklara och återge. Modellens logik visar att numret är fast, numret inte är komplett, och resultatet är att det också kan underhållas.

Bild | Utförande av segmentell demens etiologisk modell

Modellförmågeklassificering 10 olika demensetiologier, omfattande demens, vaskulär demens, vägsjukdomsdemens etc. uppnådde ett litet genomsnittligt AUROC på 0,96 och sjukdomens etiologi fastställdes med stor säkerhet. Modellen visar blandad demens (med flera etiologier), med ett genomsnittligt AUROC på 0,78 och en kombination av olika etiologier. Resultaten av testerna på modellen och objektet är konsekventa, och resultaten bekräftas när testresultaten bekräftas.

Bild | Läkarundersökning av hög kvalitet och effektiv modellprestanda

Bland de 100 tillgängliga exemplen var AUROC för AI-modellen som användes i den medicinska undersökningen 26,25 %, och modellens noggrannhet var 26,25 %. Som ett resultat av modellundersökningen är resultaten av läkarundersökningen och läkarundersökningen av läkaren och läkarundersökningen av radiologen mycket konsekventa, och modellen är kapabel att ge korrekt diagnostisk information.

underskottsutsikter

Forskningens huvudfokus är representativiteten för den kaukasiska befolkningen och andra etniska gruppers etniska grupper. Det är möjligt att introducera en modell som skiljer sig från utseendet på olika doujingrupper. Ett stort antal AD-fall kan användas för att fokusera på AD-typen, och andra typer av demens kan användas.

Det går att modellera demens med olika typer av demens, men det går inte att förstå AD-patologiska skillnader. Framtida forskning kräver ytterligare djupgående analys av olika typer av AD-modeller, och den nuvarande modellen har ett litet utseende.

Modellprestanda, måttlig och svår demens kombinerat i en kategori, är det möjligt att helt spegla den specifika medicinska miljön och sjukdomsnivådetaljerna. Framtida forskning är möjlig på grund av den exceptionella precisionen i sjukdomsstadiets produktion och modellens höga precision.

Antalet modellkombinationer som kan ställas in speglar skillnaderna mellan de olika typerna av läkarstudenter vid sängkanten och modellens flexibilitet. Framtida forskningskrav samlas, enas, standardiseras och antalet tester bestäms, så att flexibiliteten i modellen ökas ytterligare.

I framtiden kommer forskargruppen att visas, fler kommer att kunna studera, antalet patienter kommer att vara olika, antalet patienter kommer att vara olika och antalet patienter kommer att vara olika. En patologisk modell med olika egenskaper, såsom en kombination av ytterligare funktioner, ett mer detaljerat tillvägagångssätt och en mer detaljerad specialmetod; Allmän AI Genom att kombinera modellen och andra teknologier, samt grundtestet etc., kan vi erhålla omfattande patientinformation, steg för steg med hög diagnostisk noggrannhet; Det är möjligt att bedriva långsiktig forskning, utvecklingen av sjukdomsutveckling och behandlingseffekter hos patienter med funktionsnedsättning, modellens förmåga att utforska och hur man bekräftar att den för närvarande är i sängpraktik.

Tolkning av ordspråket:

https://www.eurekalert.org/news-releases/1050605

https://www.nature.com/articles/s41591-024-03118-z

https://www.who.int/zh/news-room/fact-sheets/detail/demens