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 “de boîte noire” prévoit des crises cardiaques
{{{sourceTextContent.subTitle}}}
Permettre à des machines d'apprendre des facteurs de risque dans un nombre important de patients conduit à de meilleures prévisions des crises cardiaques, selon une nouvelle étude.
{{{sourceTextContent.description}}}
L'algorithme de « boîte noire » d'intelligence artificielle utilisé par des médecins et des experts en matière de données à l'université de Nottingham était meilleur aux crises cardiaques de prévision que la méthodologie typique établie par l'université américaine de la cardiologie, ils rapportent dans PLOS One.
Le « apprentissage automatique améliore de manière significative l'exactitude de la prévision cardio-vasculaire de risque, augmentant le nombre de patients a identifié qui pourraient tirer bénéfice du traitement préventif, tout en évitant le traitement inutile d'autres, » ils écrivent.
Les scientifiques ont pris un groupe de 383 592 patients de la recherche clinique Datalink de la pratique en matière du Royaume-Uni. Une grande variété de facteurs de risque et de résultats de santé ont été dépistés de janvier 2005 à janvier 2015.
Des 75 pour cent aléatoire de l'échantillon (295 267) sont entrés dans la « formation » de l'AI. Les 25 autres pour cent (82 989 patients) ont été employés pour examiner l'exactitude des algorithmes machine-produits.
Le modèle traditionnel de prévision de cardiologie de l'ACA inclut des facteurs comme l'âge, cholestérol total, cholestérol de HDL, fumant, tension artérielle, et diabète.
Mais les quatre algorithmes de machine indiqués une plus grande sélection de facteurs dans leurs modèles, incluant : COPD, maladie mentale grave, prescription des corticostéroïdes oraux, niveaux de triglycéride, fibrillations auriculaires, maladie rénale chronique, et rhumatisme articulaire.
Il y avait 24 970 événements cardio-vasculaires dans le groupe d'essai. Les réseaux neurologiques que l'algorithme établi par l'AI (le meilleur des quatre modèles) était 3,6 pour cent plus précis que le modèle établi actuel, les chercheurs de Nottingham rapportent. Avant tout, elle a corrigé a prévu 355 patients supplémentaires supplémentaires qui ont développé la maladie cardio-vasculaire qui n'ont pas été identifiés par les directives d'ACA.
Mais il est importante noter les limitations sur l'apprentissage automatique de « boîte noire », elles s'ajoutent. La machine développe ses propres outils et les techniques de la prévision, qui peuvent seulement être partiellement comprises et tracées par les opérateurs humains, ils expliquent.
« C'est reconnu qu'il peut être difficile interpréter “nature de boîte noire la” des algorithmes d'apprentissage automatique, en particulier réseaux neurologiques, » eux écrivent. « Ceci se rapporte à la complexité inhérente dans la façon dont les variables de facteur de risque agissent l'un sur l'autre et leurs effets indépendantes sur les résultats. »
L'apprentissage automatique a été regardé à comme méthode pour entourer une variété complexe de facteurs de risque dans les maladies qui sont encore imprévisibles. Le mois dernier une équipe a proposé le modèle de la prévision d'un Alzheimer dans la médecine de PLOS.