Automatización de la inteligencia artificial para la toma de decisiones médicas

Model reemplaza el laborioso proceso de anotar a mano grandes conjuntos de datos de pacientes.

con los nódulos de las cuerdas vocales es un paso importante en el desarrollo de métodos mejorados para prevenir, diagnosticar y tratar el trastorno, dicen los investigadores. Eso podría incluir el diseño de nuevas formas de identificar y alertar a las personas sobre comportamientos vocales potencialmente dañinos.

Junto a González Ortiz en el artículo están John Guttag, profesor Dugald C. Jackson de Ciencias de la Computación e Ingeniería Eléctrica y director del Grupo de Inferencia Impulsada por Datos de CSAIL; Robert Hillman, Jarrad Van Stan y Daryush Mehta, todos del Centro de Cirugía Laríngea y Rehabilitación de la Voz del Hospital General de Massachusetts; y Marzyeh Ghassemi, profesora asistente de informática y medicina en la Universidad de Toronto.

el espectrograma descomprimido se parezca mucho a la entrada del espectrograma original. Al hacerlo, se ve obligado a aprender la representación comprimida de cada entrada de segmento de espectrograma sobre los datos completos de la serie temporal de cada sujeto. Las representaciones comprimidas son las características que ayudan a entrenar modelos de aprendizaje automático para hacer predicciones.  

Mapeo de características normales y anormales

En el entrenamiento, el modelo aprende a asignar esas características a «pacientes» o «controles». Los pacientes tendrán más patrones de voz que los controles. Al probar en sujetos nunca antes vistos, el modelo condensa de manera similar todos los segmentos del espectrograma en un conjunto reducido de características. Entonces, son las reglas de la mayoría: si el sujeto tiene en su mayoría segmentos de voz anormales, se clasifican como pacientes; si tienen en su mayoría normales, se clasifican como controles.

En los experimentos, el modelo se desempeñó con la misma precisión que los modelos de última generación que requieren ingeniería de características manual. Es importante destacar que el modelo de los investigadores se desempeñó con precisión tanto en el entrenamiento como en las pruebas, lo que indica que está aprendiendo patrones clínicamente relevantes a partir de los datos, no información específica del sujeto.

A continuación, los investigadores quieren monitorear cómo varios tratamientos, como la cirugía y la terapia vocal, afectan el comportamiento vocal. Si el comportamiento de los pacientes cambia de anormal a normal con el tiempo, lo más probable es que estén mejorando. También esperan utilizar una técnica similar en los datos del electrocardiograma, que se utiliza para rastrear las funciones musculares del corazón. 

Loading

Danos tu valoración..

mauricio Valdés

Bloguero de aficionado y redactor de mi revista, utilizo codigos sagrados, me apasiona el Internet y la informática, lector de psicología, espiritualidad, criptomonedas, salud, llevo una vida simple con grandes sueños...

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *