В новом исследовании, опубликованном в журнале Medical Image Analysis, ученые из Массачусетской больницы общего профиля (MGH) обнаружили, что неконтролируемое глубокое обучение на основе компьютерной томографии может обеспечить значительно более высокие прогностические характеристики, чем установленные лабораторные тесты и существующие визуальные и количественные предикторы выживаемости, основанные на изображениях.
Актуальность исследования
Быстрая и точная клиническая оценка прогрессирования заболевания и смертности жизненно важна для ведения пациентов с COVID-19. Хотя было предложено несколько предикторов, они были ограничены субъективной оценкой, полуавтоматическими схемами или контролируемыми подходами к глубокому обучению. Такие предикторы субъективны или требуют кропотливого аннотирования обучающих примеров.
Новая модель поможет спрогнозировать время прогрессирования COVID-19. Информация о времени, рассчитанная с помощью модели, также позволяет разделить пациентов на группы низкого и высокого риска с более широким диапазоном, чем это возможно с другими предикторами.
Результаты исследования
Результаты исследования показывают, что производительность прогнозирования модели искусственного интеллекта без учителя была значительно выше, а ошибка прогнозирования значительно ниже, чем у ранее установленных эталонных предикторов. Использование неконтролируемого искусственного интеллекта (ИИ) в качестве неотъемлемой части модели прогнозирования выживаемости позволяет определять тяжесть течения COVID-19.
Авторы другого исследования утверждают, что вероятность развития миокардита у пациентов с COVID-19 в 16 раз выше, чем при вакцинации.
Ведущий специалист отдела организации клинических исследований, терапевт, врач ультразвуковой диагностики АО «СЗМЦ» (г. Санкт-Петербург), главный редактор, учредитель сетевого издания Medical Insider, а также автор статей
E-mail для связи – [email protected];
