ابداع یک روش یادگیری ماشینی برای پیش‌بینی پیامدهای کووید-۱۹
تاریخ انتشار: ۱ بهمن ۱۳۹۹ | کد خبر: ۳۰۷۴۲۰۶۷
پژوهشگران آمریکایی در بررسی جدید خود، یک روش مبتنی بر یادگیری ماشینی را ابداع کرده‌اند که می‌تواند به بررسی پیامدهای ناشی از کووید-۱۹ کمک کند.
به گزارش ایسنا و به نقل از نیوزوایز، پژوهشگران "مرکز پزشکی مانت‌ساینای"(Mount Sinai)، از روشی موسوم به "یادگیری فدرال"(federated learning) برای بررسی سوابق الکترونیکی استفاده کردند تا نحوه پیشرفت کووید-۱۹ را در بیماران بهتر پیش‌بینی کنند.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمی‌شوند!
به گفته پژوهشگران، این روش امیدوارکننده‌ای برای ابداع مدل‌های یادگیری بیشتر است که بدون به خطر انداختن حریم خصوصی بیمار، فراتر از سامانه سلامت عمل می‌کند. این مدل‌ها می‌توانند به بهبود کیفیت مراقبت از بیماران کمک کنند.
یادگیری فدرال، روشی است که الگوریتمی را در چندین دستگاه یا سرورهای شامل نمونه داده‌های محلی آموزش می‌دهد اما از تجمع داده‌های بالینی که اثرات نامطلوبی از جمله مشکلات حریم خصوصی را برای بیماران به همراه دارد، پیشگیری می‌کند.
پژوهشگران مانت‌ساینای با استفاده از سوابق سلامت الکترونیکی ثبت شده در پنج بیمارستان جداگانه، مدل‌های یادگیری فدرال را به کار بردند و آنها را ارزیابی کردند تا میزان مرگ و میز را در بیماران مبتلا به کووید-۱۹ پیش‌بینی کنند.
آنها عملکرد مدل یادگیری فدرال را به واسطه نمونه‌های ساخته شده با استفاده از داده‌های هر بیمارستان که به مدل‌های محلی مربوط بود، به صورت جداگانه مقایسه کردند. پژوهشگران پس از آموزش مدل‌های خود با یک شبکه فدرال و آزمایش داده‌های مدل‌های محلی در هر بیمارستان، دریافتند که مدل‌های فدرال، قدرت پیش‌بینی را افزایش می‌دهند و نسبت به مدل‌های محلی بیشتر بیمارستان‌ها، عملکرد بیشتری دارند.
"بنجامین گلیکسبرگ"(Benjamin Glicksberg)، از پژوهشگران این پروژه گفت: مدل‌های یادگیری ماشینی در حوزه مراقبت از سلامت، اغلب به داده‌های متنوع در مقیاس بزرگ نیاز دارند تا قابل انتقال باشند. یادگیری فدرال، روشی است که به مدل‌ها کمک می‌کند تا بتوانند به یادگیری از منابع بپردازند؛ بدون این که داده‌های حساس بیمار را افشا کنند. ما در پژوهش خود نشان داده‌ایم که این راهبرد می‌تواند برای شرایطی مانند همه‌گیری کووید-۱۹ مفید باشد.
این پژوهش، در "Journal of Medical Internet Research" به چاپ رسید.
انتهای پیام
منبع: ایسنا
کلیدواژه: یادگیری ماشینی کووید 19 الگوریتم کرونا در جهان همه باهم علیه کرونا پیش بینی کووید ۱۹
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.isna.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «ایسنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۰۷۴۲۰۶۷ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
خطر مسمومیت با قارچ‌های طبیعی
به گزارش خبرگزاری صدا و سیمای استان لرستان، پیمان آسترکی ظهر امروز ششم اردیبهشت ماه در حاشیه بازدید از بیمارستان عشایر خرم آباد گفت: در پی بارندگی‌های اخیر، گرم شدن هوا و افزایش رویش قارچ‌ها در طبیعت، شاهد افزایش مصرف خوراکی قارچ و بروز مسمومیت حاد در تعداد قابل توجهی از بیماران مراجعه کننده به مرکز مسمومیت‌های بالینی بیمارستان شهید رحیمی هستیم.
️وی خاطرنشان کرد: تعداد مسمومین افزایش صعودی داشته و بیشتر با علایم گوارشی شدید، تعریق و لرز و تاری دید مراجعه می‌کنند.
معاون علوم پزشکی لرستان تاکیدکرد: تشخیص قطعی غیر سمی بودن قارچ‌ها به صرف شکل ظاهری میسر نیست.
آسترکی گفت: به علت شیوع قابل توجه موارد مسمومیت و تهدید سلامت افراد توصیه می‌شود از مصرف این گونه قارچ‌ها اکیدا خودداری شود.
گفتنی است مسمومیت ناشی از قارچ‌ها می‌تواند منجر به عوارض جدی نارسایی کبد و کلیه منتهی به پیوند و حتی مرگ در بیماران شود.
دانشجویان سال سوم دانشگاهها، بورسیه دانشگاه فرهنگیان میشوند