Ein tool, entwickelt von der University of Alberta Forscher mithilfe von machine-learning-Diagnosen Schizophrenie genauer als andere KI-basierte Systeme, entsprechend einer neuen Studie.
Das tool, genannt EMPaSchiz (Ensemble-Algorithmus mit Mehreren Parcellations für Schizophrenie Vorhersage), untersucht, Gehirn-scans von Patienten, die mit Schizophrenie diagnostiziert und prognostiziert die Diagnose mit 87 Prozent Genauigkeit.
Die Erkenntnis folgt auf eine frühere Studie, die im Jahr 2017, in dem U von A und IBM entwickelten die Forscher ein Werkzeug in der Lage, die Vorhersage der Schizophrenie mit 74 Prozent Genauigkeit, und eine Studie, die im vergangenen Jahr in der medizinischen Forschung verwendet maschinelles lernen, um vorherzusagen, mit 82 Prozent Genauigkeit, ob ein patient reagieren, wenn Risperidon, ein Antipsychotikum.
„Schizophrenie ist gekennzeichnet durch eine Konstellation von Symptomen, die möglicherweise co-Patienten kommen. Zwei Personen mit der gleichen Diagnose könnte noch präsentieren verschiedene Symptome. Dies führt Häufig zu Fehldiagnosen,“, sagte Sunil Kalmady, ein post-doctoral fellow an der U of A, der die Studie leitete.
„Machine-learning -, in diesem Fall in der Lage ist zu fahren, einen Evidenz-basierten Ansatz, der schaut auf Tausende von Funktionen in einem Gehirn-scan zu führen, um eine optimale Vorhersage“, fügte Kalmady.
„Darüber hinaus gibt es Möglichkeiten, um abzuschätzen, wie genau dieses tool ist und wie oft es wird die richtige Diagnose,“ sagte der Computer-Wissenschaftler Russ Greiner beaufsichtigt, die Kalmady die Forschung zusammen mit dem Psychiatrie-professor Andrew Greenshaw.
Die Forscher stellten fest, EMPaSchiz ist einer der ersten machine-learning-tools trainiert ausschließlich auf Daten von Patienten, die diagnostiziert wurden, aber noch nicht der Einnahme von Medikamenten zu behandeln, deren Krankheit, was könnte es Wertvolleres in den frühen Phasen der Diagnose.
„Psychische Erkrankungen sind sehr Komplex in Bezug auf die Ursachen und manifestation der Symptome,“, sagte Greenshaw. „Machine learning und AI Zukunft sind Konzepte, die es ermöglichen, multi-dimensional, data-driven Einbruch erfasst den Grad der Komplexität und Objektivität, die wir benötigen, zu entwirren, die bösen Probleme zu verstehen psychische Krankheit.“