Филиал искусственного интеллекта (ИИ), называемый машинным обучением, может точно предсказать риск остановки сердца в больнице, когда сердце внезапно перестает биться, используя сочетание времени и данных о погоде.
Машинное обучение – это изучение компьютерных алгоритмов, основанное на идее, что системы могут учиться на данных и выявлять закономерности для принятия решений с минимальным вмешательством.
Риск остановки сердца был самым высоким по воскресеньям, понедельникам, праздничным дням и когда температура резко упала в течение или между днями, показывают результаты.
Эта информация может быть использована в качестве системы раннего предупреждения для граждан, чтобы снизить риск и повысить их шансы на выживание, а также повысить готовность к неотложной медицинской помощи, предполагают исследователи.
Из больницы остановка сердца является общим во всем мире, но, как правило, связано с низким уровнем выживаемости. На риск влияют сложившиеся погодные условия.
Но метеорологические данные обширны и сложны, и машинное обучение имеет потенциал, чтобы подобрать ассоциации, не выявленные обычными одномерные статистические подходы, говорят японские исследователи.
Для дальнейшего изучения этого они оценили способность машинного обучения прогнозировать ежедневную внегодовую остановку сердца, используя дневную погоду (температура, относительная влажность, осадки, снегопад, облачность, скорость ветра и показания атмосферного давления) и сроки (год, сезон, день недели, час дня и праздничные дни) данные.
Из 1 299 784 случаев, имевших место в период с 2005 по 2013 год, машинное обучение было применено к 525 374 случаям, используя либо данные о погоде или сроках, либо оба (набор данных обучения).
Затем результаты были сопоставлены с 135 678 случаями, имевшими место в 2014-15 годах, чтобы проверить точность модели для прогнозирования количества ежедневных остановок сердца в другие годы (набор данных тестирования).
И чтобы увидеть, насколько точным может быть подход на местном уровне, исследователи провели "анализ тепловой карты", используя другой набор данных, взятых из места остановки сердца в городе Кобе в период с января 2016 года по декабрь 2018 года.
Сочетание данных о погоде и сроках наиболее точно предсказало вне больницы остановку сердца как в учебных, так и в тестовых наборах данных.
Он предсказал, что воскресенье, понедельник, праздничные дни, зима, низкие температуры и резкие перепады температуры в течение и между днями были более тесно связаны с остановкой сердца, чем либо погода или сроки данных в одиночку.
Исследователи признают, что у них не было подробной информации о местонахождении остановки сердца, за исключением города Кобе, и у них не было никаких данных о уже существующих медицинских условиях, оба из которых, возможно, повлияли на результаты.
Но они предлагают: "Наша прогностический модель для ежедневной заболеваемости (из больницы остановки сердца) широко обобщена для населения в развитых странах, потому что это исследование было большой размер выборки и использовали всеобъемлющие метеорологические данные".
Они добавляют: "Методы, разработанные в этом исследовании, служат примером новой модели прогностический анализ, который может быть применен к другим клиническим исходам интерес, связанный с опасными для жизни острыми сердечно-сосудистыми заболеваниями".
И они заключают: «Эта прогностический модель может быть полезна для предотвращения (из больницы остановки сердца) и улучшения прогноза пациентов... с помощью системы оповещения для граждан и «скорой медицинской помощи» в дни повышенного риска в будущем».
В связанной редакционной статье д-р Дэвид Фостер Гайски (David Foster Gaieski) из Медицинского колледжа Сидни Киммела при Университете Томаса Джефферсона согласен с этим.
"Зная, что погода, скорее всего, будет на предстоящей неделе может генерировать "сердечно-сосудистых чрезвычайных предупреждений" для людей, в группу риска - уведомляя пожилых людей и других о предстоящих периодов повышенной опасности похож на то, как погодные данные используются для уведомления людей о предстоящих опасных дорожных условий во время зимних штормов", объясняет он.
«Эти прогнозы могут быть использованы для развертывания, планирования и планирования ресурсов, чтобы системы экстренной медицинской помощи, ресурсы реанимационного отделения отделения неотложной помощи и персонал лаборатории катетеризации сердца знали и готовились к числу ожидаемых случаев заболевания в ближайшие дни», - добавляет он.