Algorîtmaya AI Daneyên Nexweşan Ji Qeydên Tenduristiya Elektronîkî Dixwîne û Pêşbînî dike

Zanyarên Dibistana Bijîjkî ya Icahn li Çiyayê Sînayê algorîtmayek nû, otomatîkî, li ser bingeha îstîxbarata sûnî (AI) pêşve xistin ku dikare daneyên nexweşan ji tomarên tenduristiyê yên elektronîkî (EHR) bixwîne û pêşbîn bike. 

Rêbaza nû bi navê Phe2vec e, û ew dikare nexweşên bi hin nexweşiyan re rast nas bike. Hat destnîşan kirin ku ew bi qasî rêbaza kevneşopî ya herî populer rast e, ku ji bo pêkanîna wê bêtir keda destan hewce dike.

Benjamin S. Glicksberg, PhD, Alîkarê Profesorê Genetîk û Zanistên Genomîk e. Ew di heman demê de endamê Enstîtuya Hasso Plattner ji bo Tenduristiya Dîjîtal a li Çiyayê Sînayê (HPIMS) û nivîskarek payebilind ê lêkolînê ye. 

"Teqînek di hejmar û celebên daneyên ku bi elektronîkî di qeyda bijîjkî ya nexweşek de têne hilanîn berdewam dike. Veqetandina vê tevna tevlihev a daneyan dikare pir giran be, bi vî rengî pêşkeftinên di lêkolîna klînîkî de hêdî dibe, "got Glicksberg. "Di vê lêkolînê de, me rêbazek nû ji bo derxistina daneyên ji tomarên tenduristiyê yên elektronîkî bi fêrbûna makîneyê ku ji standarda pîşesaziyê zûtir û kêmtir kedkar e, afirand. Em hêvî dikin ku ev dê bibe amûrek hêja ku dê lêkolîna bêtir, û kêmtir alîgir, di agahdariya klînîkî de hêsantir bike.

Lêkolîna ku di kovarê de hate weşandin qalibên, ji hêla Jessica K. De Freitas, xwendekarek mezûn a di laboratûara Dr.

Standard Pîşesaziya Niha 

Zanyar naha xwe dispêrin bername û algorîtmayên sazkirî yên komputerê da ku ji bo agahdariya nû tomarên bijîjkî derxînin. Pergalek bi navê Phenotype Knowledgebase (PheKB) van algorîtmayan pêş dixe û hilîne. Pergal di rast naskirina tespîtek nexweş de pir bi bandor e, lê ji lêkolîneran tê xwestin ku di gelek tomarên bijîjkî de derbas bibin û pêşî li perçeyên daneyan bigerin. Ev dane tiştên wekî ceribandinên laboratîf û dermanan vedihewîne. 

Dûv re algorîtm tê bernamekirin da ku komputerê rêve bike da ku li nexweşên ku xwedan perçeyên daneyên nexweşiyê ne, ku wekî "fenotip" tê binav kirin bigerin. Ev rê dide pergalê ku navnîşek nexweşan biafirîne, ku dûv re pêdivî ye ku ji hêla lêkolîneran ve bi destan were kontrol kirin. Ger lêkolîner dixwazin nexweşiyek nû lêkolîn bikin, ji wan tê xwestin ku pêvajoyê ji nû ve dest pê bikin.

Rêbaza Nû

Bi rêbaza nû, lêkolîner kompîturê dihêlin ku bi xwe fêrî fenotîpên nexweşiyê bibe, ku ev yek ji lêkolîneran dem û xebata xilas dike. Rêbaza Phe2vec li ser bingeha lêkolînên berê yên ku tîmê pêk anîn bû.

Riccardo Miotto, PhD, Alîkarê Profesorê berê yê HPIMS û nivîskarek payebilind ê lêkolînê ye. 

"Berê, me destnîşan kir ku fêrbûna makîneya bêserûber dikare ji bo derxistina tomarên tenduristiya elektronîkî stratejiyek pir bikêr û bi bandor be," got Miotto. "Awantajiya potansiyela nêzîkatiya me ev e ku ew ji daneyan bi xwe nûnertiya nexweşiyan fêr dibe. Ji ber vê yekê, makîne pir karê ku pispor bi gelemperî dikin dike da ku berhevoka hêmanên daneyê ji tomarên tenduristiyê ku çêtirîn nexweşiyek taybetî diyar dike diyar bike.

Komputer hate bernamekirin ku bi mîlyonan tomarên tenduristiyê yên elektronîkî derbas bibe û fêr bibe ka meriv çawa têkiliyên di navbera dane û nexweşiyan de nas dike. Bername xwe dispêre algorîtmayên "binavkirinê", yên ku berê jî ji hêla lêkolîneran ve hatine pêşve xistin. Ev ji bo xwendina torên peyvan di zimanên cihê de hatin bikar anîn.

Yek ji wan algorîtmayan bi navê word2vec bû, û ew bi taybetî bi bandor bû. Dûv re komputer hate bernamekirin ku teşhîsa dora 2 mîlyon nexweşên ku daneyên wan di Sîstema Tenduristiyê ya Çiyayê Sînayê de hatine hilanîn nas bike.

Lekolînwan dûv re karîgeriya pergalên nû û kevn dan ber hev, û wan dît ku ji bo neh ji deh nexweşiyên hatine ceribandin, pergala nû ya Phe2vec ji pêvajoya fenotîpkirina heyî ya "standard zêrîn" ji bo tespîtkirina teşhîsê bi heman rengî, an hinekî çêtir e. ji EHRs. Van nexweşiyan dikarin dementia, skleroza piralî, anemiya hucreya daspî, û hêj bêtir bi nav bikin.

"Bi giştî encamên me teşwîq in û pêşniyar dikin ku Phe2vec teknîkek sozdar e ji bo fenotîpkirina mezin a nexweşiyan di daneyên tomarên tenduristiya elektronîkî de," Dr. Glicksberg got. "Bi ceribandin û safîkirina bêtir, em hêvî dikin ku ew dikare were bikar anîn da ku gelek gavên destpêkê yên lêkolîna înformatîka klînîkî bixweber bike, bi vî rengî rê dide zanyar ku hewildanên xwe li ser analîzên jêrîn ên mîna modela pêşdîtinê bikin."