Nul
Onderzoekers van IBM en de Universiteit van Melbourne hebben een proof-of-concept beslag voorspellen van het systeem dat voorspelde een gemiddelde van 69 procent van de aanvallen over 10 epilepsie patiënten in een dataset.
Het systeem, dat de wetenschappers beweren is “volledig geautomatiseerd, patiënt-specifieke, en af te stemmen op individuele behoeften”, maakt gebruik van een combinatie van diep-learning algoritmen en een low-power brain-geïnspireerde” computing chip om te voorspellen wanneer de aanvallen optreden, zelfs als patiënten geen eerdere voorspelling indicatoren.
IBM opgemerkt dat een one-size-fits-all benadering is onvoldoende als het gaat om epilepsie management, als de aandoening manifesteert zich uniek in de individuele patiënt.
“Epilepsie is een zeer unieke staat waar triggers voor epileptische aanvallen zijn specifiek voor individuele patiënten — sommige zijn gevoelig voor warmte, anderen te benadrukken. Dit is de reden waarom diep leren is belangrijk, omdat het kunnen interpreteren van de gegevens en zoek naar aanwijzingen en patronen die specifiek zijn voor de hersenen signalen,” een IBM-woordvoerder vertelde ZDNet.
Voor de proof of concept, de onderzoekers geleend tot drie jaar van de individuele patiënt gegevens uit een eerder onderzoek uitgevoerd door de Universiteit van Melbourne en St Vincent ‘ s Hospital. Door het trainen van de algoritmen op slechts 60 dagen van de gegevens voordat ze werden in de voorspelling, het systeem bereikt een gemiddelde van 69 procent voorspelling tarief ondanks het algoritme zonder kennis van toekomstige gegevens. Hierdoor konden de onderzoekers om te simuleren hoe het systeem zou kunnen functioneren in de echte wereld scenario ‘ s, en de algoritmes werden omgeschoold in reactie op een persoon op de lange termijn hersenen het signaal verandert.
“Tot op heden, veel van het onderzoek is beperkt tot de opleiding algoritmes die gebaseerd zijn op algemene patronen voor aanvallen … bijvoorbeeld artsen handmatig geselecteerde tekens en patronen die kan in plaats van aanvallen, die vervolgens werden gebruikt om te trainen voorspelling algoritmen. Echter, de onderzoekers waren beperkt in hun vermogen om op een betrouwbare manier te voorspellen aanvallen over alle patiënten in een lange-termijn-mode, gegeven de hersenactiviteit patronen zijn niet alleen specifiek zijn voor een persoon, maar ook veranderen in de tijd,” de Epileptische aanval Voorspelling met behulp van Big Data en Diep Leren: Naar een Mobiel Systeem-rapport staten.
“Nieuwe diep-learning technieken hebben ons geholpen met het verbeteren van eerdere resultaten, waardoor het systeem automatisch identificeren beslag patronen voor individuele patiënten en aan te passen aan veranderende hersenen signalen over de tijd, zonder extra menselijke betrokkenheid.”
De inbeslagneming voorspelling systeem, dat is ontworpen om te worden aangepast aan wanneer en hoe een epilepsie patiënt liever een melding van een op handen zijnde aanval, werd ingezet op een ultra-low-power neuromorphic computing chip om aan te tonen mogelijke toepasbaarheid in de echte wereld als een slimme draagbaar.
“Het is de hoop dat op een dag dit kan worden toegepast als een draagbare beslag waarschuwing systeem, wat betekent dat patiënten konden worden gealarmeerd via een sms-bericht of een app die een aanval kan optreden. Dit zou kunnen betekenen, kunnen zij maatregelen nemen, zoals het zorgen ze voor een veilige omgeving voor de inbeslagneming, familie of vrienden kunnen worden gewaarschuwd, of een patiënt kan kiezen om medicijnen in te nemen om te voorkomen dat een beslag,” een IBM-woordvoerder vertelde ZDNet.
Volgens Epilepsie Actie Australië, meer dan 65 miljoen mensen wereldwijd leven met epilepsie, en dat maakt het één van de meest voorkomende neurologische aandoeningen. In Australië, 250.000 mensen die zijn gediagnosticeerd met epilepsie, met 3 procent naar 3,5 procent van de bevolking verwacht dat de ervaring van de toestand op een bepaald punt in hun leven.
Terwijl anti-epileptische medicijnen kunnen worden toegediend bij een voldoende hoge dosis om te voorkomen dat aanvallen, een derde van epilepsie patiënten niet reageren op de beschikbare behandeling. Bovendien, als gevolg van de spontaniteit van epileptische aanvallen, epilepsie patiënten hebben beperkingen voor activiteiten zoals het besturen van een auto en zwemmen, en leven in angst en onzekerheid over wanneer de volgende beslag zal optreden.
De wetenschappers die betrokken zijn bij de ontwikkeling van het proof of concept zei dat het onderzoek “verplaatst ons buiten de beperkingen van conventionele machine learning, in de richting van een diep-learning systeem dat de mogelijkheid te bieden een groter inzicht voor medische beleidsmakers bij epilepsie beheer en behandeling”.
IBM toegelaten, echter, dat er nog werk gedaan moet worden voordat het kan gerust beweren dat de proof-of-concept van het systeem kan voorspellen welke in beslag zijn genomen voordat het zich voordoet.
“We zijn al aan het verder verbeteren van onze algoritme door het opnemen van andere factoren zoals het weer en de biomerker gegevens en door het opnemen van andere roman neurale netwerk architecturen,” een IBM-woordvoerder vertelde ZDNet.
“Voor een systeem schaalbaar, meer in het algemeen, zullen we kijken naar de trein algoritmen op gegevens die afkomstig zijn van buiten de schedel — wat betekent dat het zou worden minder invasieve om gegevens te verzamelen van patiënten te trainen AI algoritmen om hun specifieke individuele hersenen signalen.”
IBM is niet de enige organisatie voor het verkennen van de combinatie van machine learning en draagbare apparaten voor epilepsie management. Een brits initiatief van vorig jaar, de zogenaamde myCareCentric, bracht wearable technologies, gedeelde zorg records, machine learning en data-analyse tools om te helpen epilepsie patiënten met het bewaken van hun aandoening.
Een app is gemaakt om informatie te verzamelen, zoals het slaappatroon, oefening, hartslag, temperatuur, en de galvanische huid reactie van apparaten zoals de Microsoft Band en smartphones, en vervolgens geïntegreerd met een patiënt opnemen om te voorspellen wanneer een aanval kan optreden.
IBM bleek ook eerder dit jaar hoe de cognitieve computing faciliteiten werden ingezet in de strijd tegen de ziekte van het oog. Door het gebruik van diep leren en visual analytics, IBM-onderzoekers waren in staat om snel te diagnosticeren en classificeren van diabetische retinopathie bij patiënten zonder de noodzaak van uitgebreide tests.
Bijgewerkt 6 December 2017 op 2:30) AEDT: commentaar Toegevoegd van IBM.
Recente Dekking
IBM, Centrale samenwerken aan tools voor app ontwikkeling
De samenwerking geeft de ontwikkelaars meer tools voor gestroomlijnde applicatie ontwikkeling en meer opties voor implementatie in verschillende wolken.
IBM lanceert eerste Power9 servers, systemen, geoptimaliseerd voor AI
IBM ‘s AC922 Power Systems insluiten PCI-Express, Nvidia’ s NVlink 2.0, en OpenCAPI.
IBM schetst 50 qubit kwantum computing prototype
IBM blijft stappen maken in haar inspanningen om de commercialisatie van quantum computing.
Hoe IBM Quad9 service beschermt gebruikers de toegang tot schadelijke websites (TechRepublic)
Het bedrijf zegt dat de nieuwe DNS-dienst te blokkeren bezoeken van schadelijke sites, terwijl de bescherming van de privacy van gebruikers.
IBM Watson graaft diep op de gegevens om de weg te effenen voor enterprise-AI apps (TechRepublic)
IBM heeft uitgebreid de functionaliteit van de Watson Data Platform te zijn bibliografische gegevens en de gegevens te verfijnen, te helpen ontwikkelaars en data-wetenschappers bouwen AI-toepassingen.
Verwante Onderwerpen:
Australië
CXO
Digitale Transformatie
Tech Industrie
Smart Cities
Cloud
0