Voir la traduction automatique
Ceci est une traduction automatique. Pour voir le texte original en anglais cliquez ici
#Actualités du secteur
{{{sourceTextContent.title}}}
L'apprentissage automatique prouve le plus d'a dans le soin cardio-pulmonaire
{{{sourceTextContent.subTitle}}}
Les chercheurs ont montré que cet apprentissage automatique des modèles 3D dans l'IRM cardiaque peut améliorer l'exactitude quand il s'agit de survie de prévision de-et les pour-patients potentiellement de guidage de soin avec l'hypertension dans les poumons.
{{{sourceTextContent.description}}}
Timothy Dawes, FRCA, des hôpitaux de Centre d'enseignement supérieur de Londres en Angleterre, et des collègues a eu leurs résultats a édité le 16 janvier en ligne en radiologie.
L'équipe s'est inscrite 256 patients présentant l'hypertension pulmonaire nouvellement diagnostiquée. Les patients ont subi l'IRM cardiaque, la cathéterisation droit-dégrossie de coeur et la promenade de six-minute examinant avec un suivi médian de quatre ans.
Les chercheurs ont employé un modèle 3D complexe de déplacement cardiaque et ont appliqué un algorithme d'apprentissage automatique pour identifier les modèles périodiques indicatifs de divers résultats.
« De la représentation diagnostique standard, un modèle mathématique de la relation de la fonction cardiaque à la survie peut être produit, » les auteurs expliquent.
À la fin du suivi, 36 pour cent des patients (n = 93) étaient morts, et un ont subi la greffe de poumon.
L'équipe a trouvé que leur modèle dirigé de survie d'apprentissage automatique avait permis un pronostic plus pointu que la représentation conventionnelle avec les marqueurs hémodynamiques, fonctionnels et cliniques (secteur sous la courbe de caractéristique de fonctionnement de récepteur, 0,73 contre 0,60, respectivement [P < .001] ; différence dans le temps de survie médian entre de hauts et à faible risque groupes, 13,8 contre 10,7 ans, respectivement [P < .001]).
Ils ont plus loin constaté que, de M. cardiaque conventionnel représentation, un atlas cardiaque spécifique à la maladie peut être employé pour créer des segmentations précises et reproductibles du coeur dans l'hypertension pulmonaire.
« L'analyse informatique du bon mouvement ventriculaire dans l'hypertension pulmonaire peut être employée pour la stratification de risque et démontre les signes pronostiques tôt du dysfonctionnement, » Dawes et autres pour écrire. Le « apprentissage automatique à l'aide de M. cardiaque représentation devrait être évalué comme outil pour guider la gestion patiente. »
Les auteurs reconnaissent plusieurs limitations dans la conception de leur étude, a entouré dont tous les cas noncongenital, et tous les régimes thérapeutiques pour, hypertension pulmonaire. Cette approche pragmatique peut limiter l'applicabilité dans les groupes sélectifs, ils notent. Néanmoins, ils ajoutent, l'étude sûrement démontre la valeur pronostique de leur modèle d'apprentissage automatique à travers un choix d'états et de traitements de la maladie.