การวินิจฉัยทางการแพทย์เป็นเรื่องที่ซับซ้อนและทนทุกข์ทรมานจากข้อผิดพลาดหลายประการ แม้ว่าการศึกษายาเป็นวิทยาศาสตร์การปฏิบัติเป็นศิลปะ ความผิดพลาดสามารถเกิดขึ้นได้ในราคามหาศาลต่อผู้ป่วยและครอบครัวและแพทย์ของพวกเขา ระบบสนับสนุนการตัดสินใจทางคลินิก (CDSS) ได้รับการพัฒนาเพื่อลดข้อผิดพลาด AI-MED ถูกออกแบบมาเพื่อช่วยให้แพทย์ลดข้อผิดพลาดในการปฏิบัติของพวกเขา ในการศึกษาพบว่าผู้ป่วย 225,000 คนเสียชีวิตในแต่ละปีเนื่องจากข้อผิดพลาดทางการแพทย์รวมถึงข้อผิดพลาดในการวินิจฉัย (15%) และผลข้างเคียงของยา (45%) CDSS เป็นสิ่งจําเป็นสําหรับการใช้งานในสหรัฐอเมริกาพร้อมกับ HIS เพื่อลดข้อผิดพลาดเหล่านี้ ข้อผิดพลาดในการวินิจฉัยทําโดยแพทย์เนื่องจากสาเหตุหลายประการ นักจิตวิทยาศึกษาสิ่งเหล่านี้และพบว่าคุณสมบัติที่ทําให้เสียสมาธิอาจเป็นหนึ่งในเหตุผล ตัวอย่างเช่นหนึ่งอาจคิดว่าคุณสมบัติบางอย่างมีความสําคัญเนื่องจากความสัมพันธ์ในปัจจุบันของพวกเขากับเหตุการณ์บางอย่าง แต่อาจไม่เกี่ยวข้องกับกระบวนการโรคหรือไม่เกี่ยวข้องกับการวินิจฉัย เหตุผลที่ผิดพลาดในทํานองเดียวกันอาจเกิดจากความลําเอียงทางปัญญาหรือการยืนยัน ข้อผิดพลาดอื่น ๆ อาจเกิดจากการยึดหรือจัดเฟรมหรือการปิดลูกค้าเป้าหมายก่อนกําหนด AI-MED ได้รับการออกแบบมาเพื่อลดข้อผิดพลาดเหล่านี้โดยขัดขวางกระบวนการ กระบวนการวินิจฉัย AI-MED รบกวนการวินิจฉัยแบบดั้งเดิม (โดยไม่พิจารณาอคติใด ๆ ที่เกี่ยวข้องในการให้เหตุผลของมนุษย์) และด้วยเหตุนี้จึงลดข้อผิดพลาดลง
ปัญญาประดิษฐ์ (AI) ประกอบด้วยการประมวลผลภาษาธรรมชาติ (NLP) และการสนับสนุนการตัดสินใจวินิจฉัย (DDS) และเป็นส่วนหนึ่งของ CDSS ตัวอย่างของ NLP ได้แก่ ตัวจําแนกข้อความทางสถิติ อย่างไรก็ตามคําศัพท์ทางคลินิกมีความซับซ้อนมากและมักจะอยู่บนพื้นฐานของคําศัพท์ภาษาละตินและกรีก ระบบการตั้งชื่อมาตรฐานของคําศัพท์ทางการแพทย์คลินิก (SNOMED-CT) ได้รับการพัฒนาสําหรับการจําแนกประเภทข้อความ ข้อกําหนด (มากกว่า 300 000) มีการจัดทําดัชนีด้วยตัวเลข 9 หลักสําหรับคําอธิบายที่ถูกต้องและการประมวลผลอัตโนมัติ อัลกอริทึมถูกสร้างขึ้นเพื่อใช้ดัชนีนี้สําหรับการตีความข้อมูลผู้ป่วยที่ถูกต้อง DDS ถูกนําไปใช้กับข้อมูลผู้ป่วยเพื่อการวินิจฉัย เครือข่ายความเชื่อ probabilistic ของ Bayesian เป็นที่นิยมและวิธีการประมาณของพวกเขาสามารถใช้สําหรับการวินิจฉัย ผู้ช่วยแพทย์ระบบอ้างอิงปัญญาประดิษฐ์ (PAIRS) ได้รับการพัฒนาในบรรทัดที่คล้ายกัน มีการเชื่อมโยงเกี่ยวกับ 28 000 โรคคุณลักษณะสําหรับประมาณ 486 โรคอายุรกรรมและ 2000 คุณสมบัติ. คุณสมบัติ PAIRS ประกอบด้วยอาการสัญญาณหรือการทดสอบ AI ประกอบด้วย NLP และ DDS NLP ยึดตามการวิเคราะห์ดัชนีคํา SNOMED-CT อัลกอริทึมสร้างดัชนีตามคําที่มีการเลือกและแสดงคําเหมือนที่เป็นไปได้ ผู้ใช้สามารถป้อนข้อมูลตามการกดถูกใจและโปรแกรมค้นหาคําเหมือนจากรายการคุณลักษณะ AI-MED ใช้ฐานข้อมูล PAIRS NLP ที่ใช้งานง่ายช่วยให้สามารถป้อนข้อมูลทางคลินิกได้ตามที่ชอบ ตัวอย่างเช่น ตัวย่อจะถูกระบุอย่างถูกต้องโดย NLP เมื่อป้อนข้อมูลผู้ป่วยแล้วเราสามารถเรียกใช้ DDS ได้
AI-MED ใช้วิธีการประมาณของวิธีการ Probabilistic ของ Bayesian สําหรับ DDS วิธีนี้ได้รับการตีพิมพ์ในวารสารการวิจัยปัญญาประดิษฐ์โดย Tommi Jaakkola และไมเคิลจอร์แดนในปี 1999 คุณสมบัติ PAIRS แต่ละอย่างมีน้ําหนัก (0.09 ถึง 0.99) ตามพื้นฐานทางพยาธิวิทยาและความสําคัญทางคลินิกของพวกเขา การตัดสินใจวินิจฉัยถูกรวมเป็นกลุ่มเป็นหนึ่งในแต่ละกลุ่มสําหรับ: การติดเชื้อ, neoplasia, autoimmune หรืออื่น ๆ DDS ทํางานบนข้อมูลผู้ป่วยเพื่อให้ชุดของการวินิจฉัยที่เป็นไปได้ AI-MED ให้ข้อมูลการวินิจฉัยโดยไม่คํานึงถึงอคติใด ๆ สําหรับข้อมูลผู้ป่วยที่กําหนดจะสร้างข้อมูลกรณีจากฐานข้อมูล PAIRS ข้อมูลกรณีรวมถึงน้ําหนักอุบัติการณ์ของโรคและปัจจัยการรั่วไหลทางสถิติของพวกเขา DDS ถูกออกแบบมาเพื่อคํานวณการประมาณความน่าจะเป็นของโรค การประมาณนี้มีขอบเขตบนและล่าง ความถูกต้องของการใช้งานอัลกอริทึมพีชคณิตเหล่านี้ได้รับการตรวจสอบโดยส่งผลให้เกิดการเปลี่ยนแปลงตัวเลขที่สอดคล้องกันของ 0.00004 ถึง 0.00009 ระหว่างขอบเขต การประมาณการเบื้องต้นของ Bayesian ทําขึ้นเพื่อการวินิจฉัย ในที่สุดชุดการสืบสวนจะถูกแนะนําสําหรับการทดสอบการวินิจฉัยที่เป็นไปได้ สามารถบันทึกผลลัพธ์ในไฟล์เพื่อการอ้างอิงเพิ่มเติม
ประวัติรุ่น
- เวอร์ชัน 1.0 โพสต์เมื่อ 2015-07-19
แก้ไขข้อผิดพลาด
รายละเอียดหลักสูตร
- ประเภท: หน้าแรกและงานอดิเรก > สุขภาพและโภชนาการ
- Publisher: AI-Med Informatics
- ใบ อนุญาต: ฟรี
- ราคา: N/A
- เวอร์ชัน: 1.0
- แพ ลตฟอร์ม: android