人工智能边缘靠近诊所
![TransMED can help predict the outcomes of COVID-19 patients, generating predictions from different kinds of clinical data, including clinical notes, laboratory tests, diagnosis codes and prescribed drugs. The other uniqueness of TransMED lies in its ability to transfer learn from existing diseases to better predict and reason about progression of new and rare diseases. Credit: Composite image by Shannon Colson | Pacific Northwest National Laboratory 人工智能边缘靠近诊所](https://scx1.b-cdn.net/csz/news/800a/2022/artificial-intelligenc-53.jpg)
COVID-19大流行开始向卫生保健工作者提出一个巨大的挑战。医生难以预测不同患者接受治疗的表现对小说SARS-CoV-2病毒。决定如何分流医疗资源很少当面对信息了心理和生理影响照顾者随着流行的进展。
为了减轻这种负担,研究人员在太平洋西北国家实验室(PNNL),弗吉尼亚理工大学,斯坦福大学和约翰·斯诺实验室发达TransMED,首开先河的人工智能(AI)预测工具旨在由新兴或解决问题罕见疾病。
”COVID-19展开超过2020,它给一些我们一起思考,我们可以提供有意义,”首席科学家Sutanay Choudhury说。“我们决定我们能产生最大的效果,如果我们在预测的问题病人的结果。"
“COVID提出了独特的挑战,”Khushbu Agarwal说,该研究的第一作者发表在自然科学报告。“我们有非常有限的病人数据训练一个人工智能模型,可以学习复杂的模式底层COVID病人轨迹。”
这个团队开发了TransMED应对这一挑战,分析数据从现有的疾病预测一个新兴疾病的结果。
接听一个电话
COVID-19大流行开始时,太平洋西北国家实验室的研究人员面临的新挑战。Choudhury发现自己工作在一个团队使用人工智能生成结构分子,可能是潜在的候选人药物开发反对SARS-CoV-2。
他也有一种强烈的同情心COVID-19战斗的第一线的医务工作者。“很显然我们需要建造更多的有效的工具来保护病人和照顾者更好的下一个危机期间,“Choudhury说。
Choudhury和阿加沃科尔比火腿的帮助下,和罗伯特•Rallo主任先进计算、数学、和数据部门用电,以及斯坦福大学的计算机科学家,弗吉尼亚理工大学,约翰·斯诺实验室建立这样一个工具。
苏珊娜Tamang是这些科学家之一。她之前曾与Choudhury, Agarwal, Rallo上医疗分析项目。她渴望参与这项研究努力知识申请提供决策支持卫生保健工作者。
“我们都看到一个需要作出贡献,”Tamang说,院长助理,数据科学,在斯坦福大学人口健康科学中心和教练的生物医学科学数据,斯坦福大学医学院的。“我们可以利用我们的能力来构建一个工具直接价值和效用卫生保健工作者。"
![人工智能边缘靠近诊所](https://scx1.b-cdn.net/csz/news/800/2022/artificial-intelligenc-54.jpg)
Tamang这种利他主义并不陌生。作为斯坦福大学的一部分统计数据对社会好俱乐部,她经常捐赠的时间和技能来解决问题在各种各样的社会问题。“有时候,最好的科学研究人员是由渴望帮助时,“Tamang说。
一个新的方法来打击未知的疾病
早期结果表明,TransMED优于当前病人结果预测模型,尤其是罕见的结果。Agarwal部分将这种现象归因于TransMED审查各种医疗信息的能力,包括其他呼吸系统疾病。
“TransMED认为几乎所有类型的电子医疗记录等数据医疗条件、毒品、过程、实验室测量和信息从临床指出,”阿加沃说。“这个病人的整体视图允许TransMED作出预测临床医生一样。”
TransMED其他因素的成功是学习转移。本质上,转移学习工作通过机器学习模型工作在解决问题上存在大量的数据。模型然后转移这些知识来解决类似的问题。TransMED而言,研究人员训练模型对已知的严重呼吸道疾病患者结果并将这些知识应用到预测COVID-19结果。
“鉴于最近病人的病史,TransMED可以预测病人的需要通风,或其他罕见的结果未来5到7天,“Choudhury说。
人工智能的应用在实际医疗设置正处于起步阶段,但这是一种很有前途的工作第一步建立一个有用的模型对预测病人的结果。尽管TransMED尚未在临床环境中进行了测试,它提供了一个令人鼓舞的一瞥未来的医疗保健。
其他作者在本文信德Tipirneni和孩子叫K Reddy从弗吉尼亚理工大学;Pritam慕克吉马修·贝克李金坤唐,奥利弗Gevaert从斯坦福大学;从约翰·斯诺实验室和Veysel超常介质。这项工作由太平洋西北国家实验室实验室直接支持研究和发展项目。
进一步探索