Nov, 2022

规模化预测结核病患者的治疗依从性

PDF
TL;DR利用近 70 万份印度四个州的病人资料，使用机器学习技术通过自定义排名指标并考虑到国家范围内的大规模未来部署，可以实现早期预测不依从医嘱的非依从性患者的风险分层，是一种可行的落地的机器学习解决方案。
tuberculosisnon-adherencemedication regimenmachine learningindia
发现论文，激发创造
  • 利用数字依从性数据学习为结核病患者开具处方干预方案

    在印度使用数字依从性技术（DAT）的实际应用中，构建一个深度学习模型，用以预测 TB 患者的依从性和治疗结果，并探讨如何在临床中使用该模型进行更有效的患者关怀和干预。

    Feb, 2019

  • 利用机器学习预测结核病治疗结果：卡纳塔克邦结核病数据研究

    该研究通过使用机器学习，特别是结合表格数据，更准确地预测结核病（TB）的治疗结果，将这一预测任务转化为二元分类问题，并通过来自印度国家结核病控制计划的 50 万多个病人记录的数据生成风险评分。数据预处理是该研究的关键组成部分，在验证集上获得了 98% 的召回率和 0.95 的 AUC-ROC 得分。该研究还探索了自然语言处理（NLP）在模型学习中的应用，通过各种指标和消融研究证实了该方法的有效性。研究通过讨论我们的研究对结核病根除工作的潜在影响，并提出了未来的研究方向，展示了机器学习在医疗保健中的潜力。

    Mar, 2024

  • 用可解释自监督深度神经网络增强结核筛查

    结核病在全球资源匮乏的人群和偏远地区持续存在，每年新增感染者超过 1000 万人，是公共卫生领域不平等的显著象征。通过介绍一种针对结核病筛查的可解释自监督自训练学习网络，本研究实现了 98.14% 的出色总准确率，并在 95.72% 的召回率和 99.44% 的精确率下，有效捕获临床重要特征。

    Jun, 2024

  • 机器学习咳嗽音频分析早期检测结核病：朝着更可获得的全球分级使用

    通过分析手机麦克风中的咳嗽声的声学特征，该研究开发了一个集成模型来检测结核病，该模型通过患者咳嗽声数据和人口统计学数据进行训练，在 15 秒内获得结果，可通过移动应用程序轻松访问。

    Oct, 2023

  • 利用机器学习技术鉴定不同皮肤和软组织感染患者的抗生素耐药性

    通过机器学习模型，结合临床和抗生素敏感性测试数据，预测抗生素耐药性，并建立了相关性分析方法

    Feb, 2022

  • 重新审视计算机辅助结核病诊断

    结核病是全球主要的健康威胁，深度学习在计算机辅助结核病诊断方面取得了进展，但训练数据有限。为此，本文建立了一个大规模数据集 TBX11K，其中包含 11200 个带有肺结核区域边界框标注的胸部 X 光图像。此数据集可用于训练高质量计算机辅助结核病诊断模型，并提出了一种基准模型 SymFormer，通过对 CXR 图像的边界对称性进行处理来学习判别性特征。SymFormer 在 TBX11K 数据集上取得了最先进的性能，并提供了数据、代码和模型。

    Jul, 2023

  • 基于机器学习的医院再入院健康差异预测、诊断和缓解模型

    研究探讨了使用机器学习方法提前预测糖尿病患者住院需求的重要性，同时阐述了在数据收集和模型预测中消除社会相关的数据偏差的必要性。该研究提出了一种机器学习流程，能够检测并缓解数据和模型预测中的偏差，从而获得更加公正的预测结果。实验证明，及时消除数据收集过程中的偏差可以得到更加公平的预测结果。

    Jun, 2022

  • 使用智能手机时间序列数据远程预测帕金森病患者的药物状态

    本文提出了一种基于 Transformer 模型对帕金森病患者远程监测数据进行分析，以实现个性化远程医疗技术的方法，结果表明该方法在通过考察患者历史数据学习权重后在预测药物状态方面取得了良好的效果。

    Jul, 2022

  • 应用目标试验因果框架和机器学习模型联合优化抗生素治疗：以甲氧西林耐药金黄色葡萄球菌引起的急性细菌性皮肤和皮肤结构感染病例为例

    利用大规模电子病历数据，开展 “目标试验” 以预测和评估不同治疗方法下皮肤及皮肤结构感染患者的死亡率和个性化治疗效果，结果显示基于随机森林和支持向量机的机器学习模型表现最佳，推荐使用复杂的个性化治疗方案。

    Jul, 2022

  • 自我监督学习的无监督儿科肺结核 X 射线检测

    使用自监督学习的方法，基于 Vision Transformers，改进了胸部 X 射线上结核病的检测，实现了零样本儿科结核病的检测，证明自监督学习在结核病检测任务上的有效性。

    Feb, 2024