Исследователи из Ohio State University представили инновационную модель искусственного интеллекта, которая открывает новые перспективы в оценке эффективности лечения сердечно-сосудистых заболеваний и предотвращении инсульта.
Исследование, опубликованное в портале Patterns, сфокусировано на TEE (оценке эффекта лечения), которая направлена на определение причинно-следственного влияния лечения на ключевые клинические результаты. Существующие методы, основанные на машинном обучении, часто ограничены размеченными данными для конкретных методов лечения или результатов, что может снижать их оптимальность.
Исследователи представили новую модель CURE (causal treatment effect estimation (оценка причинно-следственного эффекта лечения)), которая предварительно обучается на больших объемах неразмеченных данных пациентов, чтобы изучить репрезентативные контекстные представления, а затем точно настраивается на размеченных данных для TEE. Этот подход включает новый метод кодирования последовательностей для продольных данных пациентов, учитывающий как структуру, так и время.
Результаты исследования показывают, что модель CURE превосходит существующие методы оценки эффекта лечения, увеличивая площадь под кривой точности отклика на 7% и улучшая точность оценки гетерогенных эффектов на 8%. Валидация модели на четырех рандомизированных клинических исследованиях подтверждает ее эффективность и способность дополнять традиционные клинические исследования.
Это достижение открывает новые горизонты для использования искусственного интеллекта в медицине, помогая улучшить индивидуализированные методы лечения и обеспечивая более эффективную борьбу с сердечно-сосудистыми заболеваниями.
