Customise Consent Preferences

We use cookies to help you navigate efficiently and perform certain functions. You will find detailed information about all cookies under each consent category below.

The cookies that are categorised as "Necessary" are stored on your browser as they are essential for enabling the basic functionalities of the site. ... 

Always Active

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

No cookies to display.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

No cookies to display.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

No cookies to display.

Performance cookies are used to understand and analyse the key performance indexes of the website which helps in delivering a better user experience for the visitors.

No cookies to display.

Advertisement cookies are used to provide visitors with customised advertisements based on the pages you visited previously and to analyse the effectiveness of the ad campaigns.

No cookies to display.

21.8 C
Nicosia
Τετάρτη 7 Μαΐου 2025 | 23:50

Γερμανικό σύστημα τεχνητής νοημοσύνης προβλέπει την πιθανότητα επιβίωσης ασθενών με βαριά Covid-19

Επιστήμονες στη Γερμανία ανέπτυξαν ένα νέο σύστημα τεχνητής νοημοσύνης (μηχανικής μάθησης), που αναλύει τις πρωτεΐνες σε ένα μοναδικό δείγμα αίματος από έναν άρρωστο βαριά λόγω Covid-19 και το οποίο μπορεί να προβλέψει τις πιθανότητες επιβίωσης του ασθενούς ακόμη και εβδομάδες πριν την τελική έκβαση.

Οι ερευνητές του μεγάλου Πανεπιστημιακού Νοσοκομείου Charite του Βερολίνου, με επικεφαλής τους δρες Φλόριαν Κουρθ και Μάρκους Ράλσερ, οι οποίοι έκαναν τη σχετική δημοσίευση στο περιοδικό για θέματα ψηφιακής υγείας “PLoS Digital Health”, μελέτησαν τα επίπεδα 321 πρωτεϊνών σε δείγματα αίματος που ελήφθησαν 50 σοβαρά άρρωστους με Covid-19, από τους οποίους οι 15 τελικά πέθαναν, ενώ για όσους επιβίωσαν ο μέσος χρόνος νοσηλείας τους ήταν 63 μέρες.

Στη συνέχεια ένα μοντέλο τεχνητής νοημοσύνης χρησιμοποιήθηκε για να βρει συσχετίσεις ανάμεσα στις πρωτεΐνες και στην επιβίωση των ασθενών. Με αυτόν τον τρόπο, εντοπίστηκαν 14 πρωτεΐνες που με το πέρασμα του χρόνου μεταβάλλονται με αντίθετο τρόπο στους ασθενείς που πρόκειται να βελτιωθεί η κατάσταση τους, σε σχέση με εκείνους που δεν θα βγουν ζωντανοί από τη ΜΕΘ.

Το “έξυπνο” μοντέλο, που δοκιμάστηκε σε άλλους 24 ασθενείς Covid-19 σε κρίσιμη κατάσταση, απέδειξε ψηλή προγνωστική ακρίβεια, προβλέποντας σωστά τους 18 από τους 19 ασθενείς που επιβίωσαν, καθώς και όλους (πέντε) ασθενείς που τελικά πέθαναν. Οι ερευνητές ανέφεραν ότι, μετά την επιβεβαίωση της αξιοπιστίας των προγνώσεων του συστήματος σε μεγαλύτερο δείγμα ασθενών, θα μπορεί να αξιοποιηθεί από τους γιατρούς αφενός για να εντοπίζουν έγκαιρα τους ασθενείς με τον μεγαλύτερο κίνδυνο θανάτου και αφετέρου για να ελέγχουν αν μια θεραπεία που εφαρμόζουν, βελτιώνει πραγματικά ή όχι την πορεία του ασθενούς.

Σύνδεσμος για την επιστημονική δημοσίευση.

ΑΦΗΣΤΕ ΜΙΑ ΑΠΑΝΤΗΣΗ

εισάγετε το σχόλιό σας!
παρακαλώ εισάγετε το όνομά σας εδώ

Press Room

Μείνετε ενημερωμένοι με τo newsletter μας!