Ученые Массачусетского технологического института (MIT) совместно со специалистами IBM описали метод глубокого обучения под названием G-Net, который предсказывает течение болезни пациента при различных способах лечения.
G-Net предоставляет врачам возможность изучить, как пациент может себя почувствовать при различных планах лечения. В основе G-Net лежит алгоритм g-вычисления, метод причинно-следственного вывода, который оценивает эффект динамического воздействия в присутствии измеренных смешанных переменных, которые могут влиять как на лечение, так и на результаты.
В отличие от предыдущих реализаций фреймворка g-вычислений, в которых использовались подходы к линейному моделированию, G-Net использует рекуррентные нейронные сети (RNN), которые имеют соединения узлов, что позволяет им лучше моделировать временные последовательности со сложной и нелинейной динамикой. Таким образом, врачи могут разработать альтернативные планы лечения на основе истории болезни пациента и протестировать их перед принятием решения.
Тестируя способность прогнозирования G-Net, команда создала два набора данных, основанных на ложных фактах. Каждый из них содержал примерно 1000 известных траекторий протекания лечения пациентов. На определенном шаге менялся способ лечения, чтобы заставить нейросеть выстроить около сотни новых прогнозных траекторий.
«Я думаю, что это довольно важно и интересно. Было бы полезно иметь какой-то способ предсказать, может ли лечение сработать или каковы могут быть последствия», — отметила Стефани Ху Мэн, студент Массачусетского технологического института.
Больше интересных статей читайте на iPhonesia.ru.
Подписывайтесь на нас во «ВКонтакте» и в Twitter.