Örömmel osztjuk meg a legújabb tudományos publikációnkat, amely egy tökéletes csapatmunka eredménye, és ígéretes felfedezéshez vezetett.
A világ harmadik leggyakoribb halálozási oka a stroke. Minden 5. percben valakit stroke ér. Minden stroke súlyos orvosi vészhelyzet, de nem minden stroke egyforma. A stroke leggyakoribb típusa az úgynevezett ischaemiás stroke, amely akkor következik be, amikor az agyat vérrel ellátó ér elzáródik. Ha az agyban az egyik fő artéria elzáródik, az jelentős vaszkuláris elzáródásnak vagy LVO stroke-nak minősül. A stroke súlyosságától függően a betegnek nagyon eltérő orvosi ellátásra lehet szüksége.
A ma használatos besorolási skála (NIHSS) meglehetősen összetett, még a mentőkben is további szakmai segítséget igényel. Egy korábbi távorvoslási megoldásunk erre a korlátra összpontosított azzal, hogy egy biztonságos kommunikációs platformon, a MOBIX-on keresztül „teleportálta” a stroke specialistát a helyszínre. A mostani kutatás ennél is messzebbre ment.
Miért ne egyszerűsítsük le a stroke besorolását? Mi lenne, ha a stroke súlyosságát egy egyszerű helyszínen is elvégezhető teszttel és egy intelligens ML-modellel lehetne diagnosztizálni? A tanulmányban az volt a célunk, hogy átfogóan értékeljünk több klinikai változó ún. LVO előrejelzési képességét, és ezekből optimális kombinációt dolgozzunk ki gépi tanulási eszközök segítségével.
A tanulmány kiemelte, hogy a gépi tanulási eszközök (AI) rendkívül hasznosak a prediktív képesség felmérésében és optimalizálásában, továbbá rávilágított a molekuláris biomarkerek jelenőségére a stroke diagnosztikai modellek optimalizálásában.
A szerzők véleménye, hogy ezek az eredmények alátámasztják a további részletes kutatások szükségességét, mivel nagy lehetőségek rejlenek abban, hogy forradalmasítsák a stroke diagnózisát. Az egyik rendkívül ígéretes terület például a nagyszámú potenciális biomarker szűrése, azaz az „omics” megközelítés és a multi-omics adatok kombinált elemzése. Az adatelemző platformok, mint például a DLX Smart DataLake megoldásunk, megkönnyíthetik nagy mennyiségű adat rendszerezését és elemzését modern gépi tanulási módszerekkel.
Az E-Groupnál folyamatosan olyan megoldásokon dolgozunk, amelyek javítják az egészségügyet, és új utakat nyit meg az AI-vezérelt digitális egészségügyi megoldások terén.
Link a publikációhoz: https://www.mdpi.com/2075-1729/12/2/230/htm