Scienza dei dati in medicina

Negli ultimi anni c’è stato un aumento nell’uso di applicazioni, strumenti e soluzioni che utilizzano apprendimento automatico nel campo della medicina. Le soluzioni coprono la previsione della malattia, l’analisi dell’imaging per filtrare o selezionare le condizioni rilevanti e persino fornire informazioni aggiuntive ai medici per prendere decisioni migliori.

In questo testo condividerò una soluzione di data science che include un componente apprendimento automatico effettuato in Spagna. Lo scopo di questo meccanismo è di filtrare i casi rilevanti in modo che i cardiologi possano utilizzare meglio il loro tempo e le loro competenze.

Un ecocardiogramma è simile a un ultrasuono: è uno studio non invasivo che misura la forza, le dimensioni e la forma del cuore per identificare o escludere condizioni diverse in un particolare paziente. Per determinare la forza di espulsione del cuore, è necessario determinare le sue quattro camere, calcolarne il volume, dividere e/o definire.

Il cardiologo è l’unico responsabile dell’esecuzione e dell’analisi dell’ecocardiogramma, attraverso un processo in due fasi: prendere l’ecocardiogramma in presenza del paziente e analizzarlo. La prima fase dura circa 30 minuti o più, a seconda dell’età del paziente; Il secondo dura 20 minuti per studio. Tuttavia, potrebbero essere necessari fino a due giorni per la consegna dei risultati a causa del carico di lavoro dei cardiologi.

Inoltre, è normale che un cardiologo trascorra circa tre ore al giorno seduto davanti a un computer per identificare gli oggetti nell’immagine per la segmentazione. Un errore di segmentazione si riferisce a un errore nel calcolo del volume, nella forza di espulsione ed eventualmente nel determinare se c’è o meno un problema con il nucleo.

Soluzione apprendimento automatico La proposta si concentra sulla capacità di identificare e mappare le quattro camere del cuore, oltre a calcolare il volume e la forza di espulsione per generare una raccomandazione sulla necessità che un cardiologo esamini il caso, sia perché il modello ha dei dubbi a proposito. Se c’è un problema – a causa del valore della forza di espulsione prodotta – o perché il modello è certo che lo studio dovrebbe essere rivisto da un cardiologo.

Questo modello facilita il processo automatizzato di determinazione e segmentazione della cavità, in modo da poter generare successivamente un calcolo del volume e della forza di espulsione. Quindi questa semplice soluzione consente ai cardiologi di liberare ore in modo che possano prendersi cura di più pazienti, fare un uso migliore della loro esperienza e investire quel tempo facendo ciò che li appassiona. Questo esempio mostra che l’utilizzo dell’IA con una pianificazione adeguata può avere un impatto positivo su determinate aree, come la medicina.