В детстве я всегда хотел стать доктором; Раньше я наряжалась доктором на Хэллоуин и играла в «Операцию» в надежде испытать те же острые ощущения, которые испытывают врачи, когда они оперируют. Однако то, что я не осознавал в то время, было то, что пациенты, над которыми работали врачи, были настоящими. По мере того, как я становился старше, я осознал, что врачи должны работать на оптимальном уровне во время операций, и знал, что они неизбежно совершат некоторые ошибки, поскольку человеческий фактор нельзя исключить из уравнения.
Я решил подробнее изучить роль человеческой ошибки в больницах. То, что я нашел, потрясло меня. 12 миллионов ошибочных диагнозов в год. Из них 1 из 3 является смертельным. Хотя врачи обычно принимают наилучшие решения, каждый из этих ошибочных диагнозов затрагивает всю семью просто потому, что врач не может сделать однозначное предположение на основе предоставленных данных.
«Все инструменты необходимы для принятия решения, но иногда использование результатов всех этих различных [тестов] может быть затруднительным для постановки диагноза», - Самвид Двидеви, доктор медицинских наук, анестезиолог, больница Генри Форда.
Проблема заключается в следующем: как мы можем поставить более точный диагноз на основе предоставленных данных, не полагаясь на врачей? Используйте Dignosys, инструмент искусственного интеллекта, который позволит любому человеку получать более точный и постоянный медицинский диагноз, не прибегая к помощи врачей. нужны врачи.
Dignosys и как это работает
Dignosys предоставляет безопасную платформу для анализа данных пациентов; В отличие от традиционных больниц, где пациенты должны лично посещать своих врачей, Dignosys позволяет пациентам безопасно общаться с врачами и рисковать сердечно-сосудистыми или респираторными заболеваниями благодаря встроенному в приложение алгоритму искусственного интеллекта.
Блокчейн
В системе используется децентрализованная система для безопасной передачи данных от врача пациенту. Наше приложение обеспечивает безопасный вход в систему как для пациентов, так и для врачей, где врачи смогут видеть всех своих пациентов и их историю болезни, а пациенты смогут видеть свои собственные данные. Из этого приложения данные на уровне пациента, добавленные врачом, впоследствии будут храниться в блокчейне, но будут доступны только врачу и пациенту.
Эта система предоставляет врачам простой способ управления своими пациентами и удаленную версию, позволяющую пациентам получать доступ к своим медицинским данным. На основе этих данных пациентам и врачам будет разрешено обрабатывать данные с помощью модели искусственного интеллекта, чтобы определить риск сердечно-сосудистых или респираторных заболеваний.
Рентгеновские данные
В больницах данные поступают в самых разных формах, от таблиц до МРТ и рентгеновских снимков. В настоящее время наше приложение может анализировать рентгеновские снимки и табличные данные, но мы работаем над интеграцией всех медицинских данных.
Если врач решит поставить диагноз по рентгеновскому снимку, данные будут пропущены через сверточную нейронную сеть, которая проанализирует данные. Использование этого упростит работу отделения радиологии, поскольку обучение обнаружению медицинских изображений требует многолетней практики и его очень сложно освоить. С другой стороны, машина может распознавать закономерности, относящиеся к болезни, и соответствующим образом предупреждать врача или пациента.
«Всегда будет человеческая ошибка, и люди интерпретируют то, что нам говорит машина». - Д-р Сильвия Делиус, радиология, Kaiser Permanente
Нейронная сеть обеспечивает риск возникновения у пациента различных респираторных заболеваний (таких как пневмония и COVID-19), позволяя пациентам сузить круг вопросов, что именно является заболеванием и как их лечить. Таким образом, пациенты и врачи могут продолжить лечение в зависимости от диагноза, поставленного аппаратом.
MRBase
Наше приложение интегрирует MRBase для определения наиболее значимых факторов риска, которые помогут диагностировать сердечно-сосудистые заболевания. MRBase - это хранилище исследований генетических ассоциаций, в которых генетические варианты сопоставляются с особенностями организма; он использует двухвыборочную менделевскую рандомизацию и алгоритм машинного обучения случайного леса, чтобы определить, насколько значим конкретный фактор риска для заболевания.
Перед отправкой данных в модель ИИ наша программа предварительно обрабатывает данные, определяя, какие столбцы наиболее актуальны для сердечно-сосудистых заболеваний. Это сделано для того, чтобы в модель не попадали нерелевантные данные, что исказило окончательный результат. Затем выбираются соответствующие столбцы для передачи в модель ансамблевого обучения.
Ансамблевое обучение
Затем предварительно обработанные данные отправляются в модель ансамблевого обучения, которая определяет риск сердечно-сосудистых заболеваний. В этом приложении пять алгоритмов (случайный лес, логистическая регрессия, деревья решений, полиномиальный наивный байес и машины опорных векторов) составляют ансамблевую модель. Модель была обучена с использованием данных Cleveland Heart из Калифорнийского университета в Ирвине и работает с тринадцатью функциями.
Подобно сверточной нейронной сети, это приложение предоставит информацию о риске сердечно-сосудистых заболеваний на основе различных моделей, чтобы сформировать одну гипотезу, и при необходимости оно сможет обнаружить определенные подмножества сердечно-сосудистых заболеваний. Это значительно снизит нагрузку на кардиологов и повысит точность диагноза в сочетании с их мнениями.
«Не всегда легко [диагностировать сердечно-сосудистые заболевания]. Чтобы распознать закономерности и определить риск заболевания, требуется много времени и много специальной подготовки ». - Самвид Двидеви, DO, анестезиолог, Генри Форд
Колба
Для создания инфраструктуры пользовательского интерфейса использовалась Flask, микро-веб-инфраструктура Python, для интеграции различных компонентов приложения. Он использовался для подключения модели ИИ к целевому результату прогноза, который будет отображаться в приложении.
Кроме того, с помощью Flask наше приложение предоставляет удобный для чтения пользовательский интерфейс как для пациентов, так и для врачей, который позволяет пользователям взаимодействовать с данными в доступной форме. Это упростит пациенту, чем традиционный метод получения данных из больницы.
Dignosys, упрощенный
- Безопасность: использование децентрализованных вычислительных систем для защиты изображений и табличных данных на уровне пациента и сохранения конфиденциальности между врачом и пациентом.
- Анализ. Использование алгоритмов машинного обучения для анализа данных о пациентах и определения риска сердечно-сосудистых и респираторных заболеваний.
- Диагностика: с помощью удобного для чтения пользовательского интерфейса, который поможет пациентам и врачам удовлетворить медицинские потребности пациента.
Заключение
Использование Dignosys позволяет больницам снять стресс с врачей и поставить более точный диагноз. Внедряя искусственный интеллект и безопасную систему блокчейн, приложение использует передовые технологии, чтобы обеспечить наилучшие впечатления и результаты как для врачей, так и для пациентов.
Для получения дополнительной информации о нашем продукте посетите наш сайт.
Отредактировал Картик Миттал.
