Kynning

Á sviði læknisfræði beinist gervigreind (AI) fyrst og fremst að því að þróa reiknirit og tækni til að ákvarða hvort kerfi hegðar sér rétt við greiningu sjúkdóms. Læknisgreining er sjúkdómur eða ástand sem útskýrir merki og einkenni einstaklings. Venjulega er greiningarupplýsingum safnað úr sjúkrasögu sjúklings og líkamsskoðun. Þar sem margar vísbendingar og einkenni eru óljós er einungis hægt að gera greiningu af þjálfuðu heilbrigðisstarfsfólki, sem er oft erfitt. Afleiðingin er sú að lönd sem skortir nægjanlegt heilbrigðisstarfsfólk, eins og þróunarlönd eins og Bangladess og Indland, eiga í erfiðleikum með að útvega viðeigandi greiningaraðferðir fyrir stærsta fjölda sjúklinga. Að auki krefjast greiningaraðgerðir oft læknisprófa, sem lágtekjufólki finnst oft dýrt og óviðráðanlegt.

Þar sem mönnum er hætt við mistökum kemur það ekki á óvart að ofgreining geti átt sér stað oftar hjá sjúklingum. Ofgreining getur skapað vandamál eins og óþarfa meðferð sem getur haft alvarleg áhrif á heilsu og efnahag einstaklings. Samkvæmt 2015 skýrslu frá National Academy of Sciences, Engineering and Medicine munu flestir lenda í greiningarvillu að minnsta kosti einu sinni á ævinni. Það eru margir þættir sem hafa áhrif á ranga greiningu, þar á meðal skortur á viðeigandi einkennum, sem eru oft ómerkjanleg, sjaldgæfir sjúkdómar og sjúkdómar sem eru ranglega hunsuð af íhugun.

Vélnám (ML) er nánast alls staðar, allt frá háþróaðri tækni (td farsímum, tölvum og vélfærafræði) til heilbrigðisþjónustu (þ.e. sjúkdómsgreiningar og öryggis). Vélnám er að verða sífellt vinsælli á ýmsum sviðum, þar á meðal sjúkdómsgreiningu í heilbrigðisþjónustu. Margir vísindamenn og sérfræðingar sýna fram á loforð um sjúkdómsgreiningu sem byggir á vélnámi (MLBDD), sem er ódýrt og tímasparandi. Hefðbundin greiningarferli eru dýr, tímafrek og krefjast oft mannlegrar íhlutunar. Þó að hæfileikar einstaklingsins takmarki hefðbundna greiningartækni, hafa ml-undirstaða kerfi engar slíkar takmarkanir og vélar verða ekki úrvinda á sama hátt og menn. Afleiðingin er sú að hægt er að þróa aðferð til að greina sjúkdóma sem fara yfir fjölda sjúklinga sem koma óvænt fram í heilsugæslunni. Læknisgögn eins og myndir (td röntgengeislar, segulómun) og töfluupplýsingar (td ástand sjúklings, aldur og kyn) eru notuð þegar MLBDD kerfi eru byggð.

Ávinningurinn af Cistanche fyrir nýrun okkar

Vélnám (ML) er undirmengi gervigreindar sem notar gögn sem inntaksauðlind. Niðurstöðurnar sem fást með því að nota fyrirfram ákveðnar stærðfræðilegar aðgerðir (flokkun eða aðhvarf) eru oft erfiðar fyrir menn að ná. Til dæmis, með því að nota ML, er oft einfaldara að staðsetja illkynja frumur í smásjármyndum, sem er oft áskorun að framkvæma með því að skoða myndir. Ennfremur, þökk sé framförum í djúpu námi (form vélanáms), hafa nýlegar rannsóknir sýnt að MLBD sé meira en 90 prósent nákvæm. Alzheimerssjúkdómur, hjartabilun, brjóstakrabbamein og lungnabólga eru aðeins örfáir sjúkdómar sem vélanám gæti greint. Tilkoma vélrænna algríma á sviði sjúkdómsgreiningar sýnir gagnsemi tækninnar á læknisfræðilegu sviði.

Á undanförnum árum eru byltingar í vélanámsörðugleikum í læknisfræði, eins og ójafnvægi gagna, túlkun vélanáms og siðfræði vélanáms, aðeins nokkrar af mörgum krefjandi sviðum sem þarf að taka á á einfaldan hátt. Þessi grein veitir yfirlit yfir ný forrit vélanáms og djúpnáms við sjúkdómsgreiningu og veitir yfirlit yfir þróun á þessu sviði til að varpa ljósi á núverandi strauma, nálganir og málefni í vélanámi við sjúkdómsgreiningu. Við byrjum á yfirliti yfir nokkrar aðferðir við vélanám og djúpnámstækni, auk sértækra arkitektúra til að greina og flokka ýmis konar sjúkdómsgreiningu.

Smelltu hér til að fáÁhrif Cistanche þykkni á nýru okkar

Með því að nota niðurstöður stærðfræðilegra og tölfræðilegra aðferða sem gera vélum kleift að læra án þess að vera forritaðar, var þetta mikilvæga framfarir fyrst viðurkennt árið 1959 þegar Arthur Samuel lagði til reynslunám fyrir vélanám og mynsturþekkingaralgrím í leikjum.

Meginregla ML er að læra af gögnum til að gera spár eða ákvarðanir byggðar á þeim verkefnum sem úthlutað er.

Þökk sé vélanámi (ML) tækni er nú hægt að vinna mörg tímafrek verkefni fljótt og með lágmarks fyrirhöfn. Með veldishækkun tölvuafls og gagnagetu hefur það orðið sífellt auðveldara að þjálfa gagnaknúin vélanámslíkön til að spá fyrir um niðurstöður með næstum fullkominni nákvæmni. Fjöldi greina býður upp á fjölbreytt úrval af flokkum ML aðferða. Hins vegar er hægt að skipta ML reikniritum í nokkra undirhópa, byggt á mismunandi námsaðferðum

Mikilvægi nýrna okkar:

Nýruner eitt af mikilvægum líffærum mannslíkamans, með framleiðslu á þvagi til að fjarlægja umbrotsefni, líkaminn þarf ekki úrgang sem skilst út, stjórnar og viðheldur líkamanum vatni og salta, sýru-basa jafnvægi, tekur þátt í aðlögun blóðþrýstings, blóðmyndandi og önnur lífeðlisfræðileg starfsemi þegar nýrnastarfsemi er skemmd, mun stofna lífi manns í hættu, sem sýnir mikilvægi þess að vernda nýrnastarfsemi, nýrun hafa einnig innkirtlastarfsemi ogstjórna blóðþrýstingi, blóðmyndandisogbeinmergsvöxturogaðrar lífeðlisfræðilegar aðgerðir.

Cistanche

Núverandi ástand nýrnasjúkdóms:

Deilurráðstefnan KDIGO (Nýrasjúkdómur: bæta alþjóðlegar niðurstöður) um stuðningsmeðferð viðurkenndi mikla þörf fyrir stuðningsmeðferð fyrir sjúklinga með nýrnasjúkdóm vegna þeirrahmikil álag af líkamlegum og sálfélagslegum einkennum, styttri lífslíkur og mikið álag af fylgisjúkdómum, en benti á að stuðningsmeðferð væri vannýtt. Þetta sjónarhorn frá stjórnarnefnd Samtaka um stuðningsmeðferð nýrnasjúklinga fer yfir fyrirhugaðar innlendar og alþjóðlegar ráðleggingar um að bæta stuðningsmeðferð fyrir alvarlega veika sjúklinga með eða nálgast nýrnabilun og talsmenn brýnna stefnubreytinga.

Leiðin til að létta nýrnasjúkdóm:

Annað alþjóðlegt nýrnaheilbrigðisráðstefnu Alþjóðafélags nýrnalækna boðaðsstuðningsmeðferð sem er oft notuð sem samheiti fyrir líknandi meðferð og flestir sjúklingar og heilbrigðisstarfsmenn kjósa, þar á meðal virka læknismeðferð án skilunar, „nauðsynlegan þátt“ í alhliða nýrnaþjónustu, en hún er að mestu ófáanleg í Bandaríkjunum. Skilun gæti ekkigagnast öllum alvarlega veikum sjúklingum, sérstaklega þeim sem eru eldri með fylgikvilla, veikleika eða heilabilun eða sem telja tíminn sem fer í skilun vera óhóflega íþyngjandi. Hins vegar, ef ekki er fyrir hendi skipulögð leið fyrir virka læknisstjórnun án skilunar, geta læknar, sjúklingar og fjölskyldumeðlimir litið á læknismeðferð sem „að gera ekki neitt“ og geta fundið fyrir þrýstingi til að hefja skilun til að veita einhverja umönnun. Stuðningsþjónusta er sjúklingamiðuð. The National Consensus Project for Quality Palliative Care, National Quality Forum og fleiri stofnanir hafa skilgreint líknarmeðferð sem "sjúklinga- og fjölskyldumiðaða umönnun sem hámarkar lífsgæði með því að sjá fyrir, koma í veg fyrir og meðhöndla þjáningar."

Cistanche þykkni

Í Kína,Hefðbundin kínversk læknisfræðiber með sér reynslu og fræðilega þekkingu Kínverja til forna í baráttunni við sjúkdóma. Það er læknisfræðilegt fræðilegt kerfi sem smám saman myndast og þróast með langtíma læknisstarfi undir leiðsögn fornrar einfaldrar efnishyggju og sjálfsprottinnar díalektík.Cistanche, sem eins konar hefðbundin kínversk læknisfræði, getur í raun létt á nýrnasjúkdómum.

Eitthvað umCistanche:

Virka:

Í fyrsta lagi getur það meðhöndlað Yang skort á nýrum, skort á sæði og blóði af völdum verkja og máttleysi í mitti og hné, sleni, ótta við kulda og kulda, getuleysi og sæðismyndun, ófrjósemi í höllinni, osfrv.

Í öðru lagi er hægt að nota það til að meðhöndla qi-skort nýrna, súrleika í mitti og hné, minnistap, svima, eyrnasuð og máttleysi í útlimum, oft með Schisandra, poria og Cuscuta fræjum.

Leiðbeiningar um lyf:

Yin skortur, eldur og hægðir niðurgangurætti ekki að taka.

Þungaðar konur og konur á brjósti: Ef þú ert þunguð, ætlar að verða þunguð eða með barn á brjósti skaltu láta lækninn vita og spyrja hvort þú megir nota kínversk lyf til meðferðar.

Börn: Lyf fyrir börn á að gefa undir handleiðslu læknis og undir eftirliti fullorðinna.

Vinsamlegast geymdu lyfið á réttan hátt og ekki gefa öðrum lyfið þitt.

HEIMILDIR

1. McPhee, SJ; Papadakis, MA; Rabow, MW (Ritstj.) Current Medical Diagnosis & Treatment; McGraw-Hill Medical: New York, NY, Bandaríkin, 2010.

2. Ahsan, MM; Ahad, MT; Soma, FA; Páll, S.; Chowdhury, A.; Luna, SA; Yazdan, MMS; Rahman, A.; Siddique, Z.; Huebner, P. Greina SARS-CoV-2 úr röntgenmyndatöku með gervigreind. IEEE Access 2021, 9, 35501–35513.

3. Coon, ER; Quinonez, RA; Moyer, VA; Schroeder, AR Ofgreining: Hvernig þvingun okkar til greiningar getur skaðað börn. Barnalækningar 2014, 134, 1013–1023.

4. Balogh, EP; Miller, BT; Ball, JR Bæta greiningu í heilbrigðisþjónustu; National Academic Press: Washington, DC, Bandaríkin, 2015.

5. Ahsan, MM; Siddique, Z. Vélrænni hjartasjúkdómagreining: Kerfisbundin bókmenntarýni. arXiv 2021, arXiv:2112.06459.

6. Ahsan, MM; E Alam, T.; Trafalis, T.; Huebner, P. Deep MLP-CNN líkan sem notar blönduð gögn til að greina á milli COVID-19 og non-COVID-19 sjúklinga. Symmetry 2020, 12, 1526.

7. Stafford, I.; Kellermann, M.; Mossotto, E.; Beattie, R.; MacArthur, B.; Ennis, S. Kerfisbundin endurskoðun á notkun gervigreindar og vélanáms í sjálfsofnæmissjúkdómum. NPJ tölustafur. Med. 2020, 3, 1–11.

8. Ahsan, MM; Gupta, KD; Íslam, MM; Sen, S.; Rahman, M.; Shakhawat Hossain, M. COVID-19 einkenni uppgötvun byggt á nasnetmobile með útskýranlegu AI með ýmsum myndgreiningaraðferðum. Mach. Læra. Knowl. Útv. 2020, 2, 490–504.

9. Samuel, AL Nokkrar rannsóknir í vélanámi með því að nota tígli. IBM J. Res. Dev. 1959, 3, 210–229.

10. Brownlee, J. Vélanám með Python. Mach. Læra. Mastery Pty Ltd. 2016, 527, 100–120.

11. . Houssein, EH; Emam, MM; Ali, AA; Suganthan, PN Djúp- og vélnámstækni fyrir brjóstakrabbamein sem byggir á læknisfræðilegum myndgreiningum: Alhliða endurskoðun. Sérfræðingur Syst. Appl. 2021, 167, 114161.