Вот это да: искусственный интеллект, обученный на реальных данных почти 9 млн пациентов! И речь не про анализ медицинских изображений, а про работу с электронными записями в медицинских картах.
Цифровое решение помогает выявлять рак поджелудочной железы.
Статья в Nature с картинками и описанием методологии исследования точно стоит вашего внимания, и вот почему:
🔹 обучение модели происходило на ретроспективных данных пациентов, относящихся к периодам с 1977 г. по 2018 г. (США) и с 1999 г. по 2020 г. (Дания);
🔹 суммарный объем датасета – данные 9,2 млн пациентов, среди которых практически у 28 000 пациентов был выявлен рак поджелудочной железы;
🔹 в исследовании использовались разные модели машинного обучения, каждая из которых смогла оценивать риск развития рака не просто в формате “да/нет”, а в рамках определенных интервалов прогнозирования – от 3 до 60 месяцев;
🔹 все модели показали относительно высокую точность: по метрике AUROC (“площадь под кривой” ), используемой для оценки производительности модели, самый высокий показатель составил 0.911. Причем, что логично, чем больше горизонт прогнозирования, тем ниже показатель AUROC, или ROC AUC, как его еще называют.
Если отбросить все технические нюансы, останется главное: при большом объеме качественных данных внедрение решений на основе ИИ в деятельность медорганизаций более чем оправдано и может весомо повлиять на повышения частоты выявления опасных заболеваний.
Подписывайтесь на наш Telegram-канал о цифровом здравоохранении "Записки Галена" и узнавайте первыми о ключевых разработках и достижениях медицины.
