جنون می‌تواند از طریق داده‌های روزانه جمع‌آوری شود
منبع :
دانشگاه پلیموت
خلاصه :
یک مدل جدید یادگیری ماشین که به طور معمول اطلاعات مربوط به خدمات بهداشت و سلامت ملی را جمع‌آوری می‌کند , نشانه‌های امیدبخشی را نشان داده‌است که قادر به پیش‌بینی زوال عقل نیستند . نتایج حاصل از مطالعه امکان‌سنجی نشان می‌دهد که این مدل می‌تواند به طور قابل‌توجهی تعداد آن‌هایی که با جنون شناخته‌شده نیستند را کاهش دهد .
بهبود مراقبت‌های دمانس از طریق افزایش و تشخیص به موقع در بریتانیا یک اولویت برای خدمات بهداشت ملی ( nhs ) است , با این حال حدود نیمی از افرادی که دچار زوال عقل هستند با این شرایط زندگی می‌کنند .
در حال حاضر یک مدل جدید یادگیری ماشین که به طور معمول اطلاعات مربوط به خدمات بهداشت و سلامت ملی را جمع‌آوری می‌کند , نشانه‌های امیدبخشی را نشان داده‌است که قادر به پیش‌بینی زوال عقل نیست .
این مطالعه داده‌های کدگذاری شده توسط دانشگاه پلیموت را جمع‌آوری کرد .
کده‌ای خوانده‌شده - - اصطلاحات بالینی ای که برای خلاصه کردن داده‌های بالینی و اجرایی برای gps انگلستان مورد استفاده قرار می‌گیرند, بر این اساس ارزیابی شدند که آیا ممکن است به ریسک جنون کمک کنند یا نه .
این کدها برای آموزش یک مدل دسته‌بندی یادگیری ماشین برای شناسایی بیمارانی که ممکن است دچار جنون باشند , مورد استفاده قرار گرفتند .
نتایج نشان داد که ۹۱ % از افرادی که دچار زوال عقل شده بودند, با داشتن وضعیت ( ارزش حساسیت ) تشخیص داده شدند , در حالی که ۵۳ % افراد بدون جنون به درستی تشخیص داده نشده بودند ( ارزش ویژگی ) .
این نتایج نشان می‌دهد که مدل می‌تواند آن‌هایی را که دچار زوال عقل هستند شناسایی کند . این امر نشان می‌دهد که مدل یادگیری ماشینی ممکن است در آینده تعداد آن‌هایی که با جنون شناخته‌شده نیستند را کاهش دهد .
محقق اصلی امانوئل اشمیت از مدرسه علوم الکترونیک و ریاضیات در دانشگاه پلیموت گفت که نتایج امیدوارکننده هستند .
او گفت : " یادگیری ماشینی یک کاربرد هوش مصنوعی است که در آن سیستم‌ها به طور اتوماتیک یادگیری و بهبود از تجربه بدون برنامه‌ریزی صریح را می‌آموزند . " " از قبل برای بسیاری از کاربردها در سراسر مراقبت‌های بهداشتی مانند تصویربرداری پزشکی استفاده می‌شود , اما استفاده از آن برای داده‌های بیمار قبلا ً به این صورت انجام نشده است .
" این روش امیدوار کننده است و اگر موفق و مستقر شود, ممکن است به افزایش تشخیص جنون در مراقبت‌های اولیه کمک کند . "
او گفت : " جنون یک بیماری با عوامل مختلف است و تشخیص یا پیش‌بینی آن بسیار دشوار است . شواهد اپیدمیولوژیک قوی وجود دارد که تعدادی از عوامل قلبی - عروقی و سبک زندگی مانند فشارخون بالا, کلسترول بالا , دیابت , سکته , سکته قلبی , و یا فعالیت‌های اجتماعی می‌توانند خطر جنون در زندگی بعد را پیش‌بینی کنند , اما هیچ مطالعه‌ای صورت نگرفته است که به ما این امکان را می‌دهد که به این سرعت ببینیم .
" بنابراین داشتن ابزارهایی که می‌تواند حجم زیادی از داده‌ها را به خود اختصاص دهد و به صورت اتوماتیک بیماران مبتلا به جنون احتمالی را شناسایی کند , می‌تواند به طور بالقوه مفید باشد و به بهبود نرخ تشخیص کمک کند . "
۲.۱ % از مبتلایان به جنون تشخیص داده نشده اند و مدل یادگیری ماشینی زوال عقل را با دقت ۹۲ % تشخیص داد . در این مطالعه ۶۵ % بیماران تشخیص داده شدند . تعداد موارد باقی مانده , نامعلوم باقی می‌ماند .

منبع سایت علم روز