Ana sayfa/Sağlık

Yapay zekâ, kondrosarkomda tedavi öncesi sağkalım riskini sınıflandırdı

SEER kayıtlarındaki 4.066 hastayla geliştirilen Cox–rastgele sağkalım ormanı topluluğu, yalnızca rutin tanı sonrası değişkenleri kullanarak yüksek risk grubundaki ölümleri zamansal doğrulamada yoğunlaştırdı.

Yapay zekâ, kondrosarkomda tedavi öncesi sağkalım riskini sınıflandırdı için özgün kapak görseli
KISA ÖZET

Bilmen gereken 3 şey

  • 2000–2015 tanıları geliştirme, 2016–2021 tanıları ise bağımsız zamansal doğrulama grubu olarak ayrıldı.
  • Kilitlenmiş topluluk modelinin C-indeksi 0,861; bir ve üç yıllık AUC değerleri sırasıyla 0,903 ve 0,870 oldu.
  • Doğrulama grubunun yüzde 35,4’ünü oluşturan yüksek risk sınıfı, gözlenen genel sağkalım ölümlerinin yüzde 80,5’ini içerdi.
YAPAY ZEKÂ ETKİ KARTI

Bu gelişme nereyi etkiliyor?

ETKİ
ANALİZİ
Toplum92/100
Bilim90/100
Günlük yaşam78/100
Ekonomi66/100

Bu puanlar haberin kapsamı, etkilenen kişi ve sektörler ile kısa–orta vadeli sonuçları dikkate alınarak editoryal olarak hazırlanır.

Ne oldu?

Model yaş, hastalık evresi, tümör derecesi ve histolojik alt tip gibi rutin kayıt değişkenlerinden yararlanıyor. Yaşa ve tümör özelliklerine dayalı açıklamalar, risk sınıfının hangi unsurlardan oluştuğunu görünür kılıyor.

Çalışma kayıt verisine dayanıyor ve modelin uzman çok disiplinli kurul değerlendirmesine ek fayda sağladığını göstermiyor. Klinik kullanım öncesinde başka ülkeler ve hastanelerde dış doğrulama ile iş akışı testi gerekiyor.

Neden önemli?

Nadir bir kemik kanserinde yüksek riskli hastaları tedavi öncesi ayırmak takip yoğunluğunu ve klinik araştırma önceliklerini iyileştirebilir. Zamansal doğrulama, yalnızca rastgele veri bölmeye göre daha gerçekçi bir dayanıklılık sınavı sunuyor.

KONU ZAMAN ÇİZELGESİ

Sağlık gündemi nasıl ilerledi?

RESMÎ KAYNAKScientific Reports

Haberin dayandığı özgün duyuruyu inceleyebilirsin.

Kaynağı aç
OKUMAYA DEVAM ET

Haber akışı devam ediyor

Aşağı kaydırdıkça sıradaki yapay zekâ haberleri otomatik olarak açılır.

SIRADAKİ HABER01

Dil modelleri, günlüklerden depresyon düzeyindeki değişimi izledi

108 katılımcının 14–21 günlük video günlüklerini inceleyen büyük dil modelleri, günlük depresyon puanları üretti; ortalama model puanları klinik görüşmeyle ölçülen belirti şiddetiyle ilişki gösterdi.

Dil modelleri, günlüklerden depresyon düzeyindeki değişimi izledi kapak görseli

Ne oldu?

Araştırmacılar videonun görüntüsünü değil, kısa günlüklerin yazıya dökülmüş metinlerini dil modellerine vererek günlük depresyon şiddeti puanladı. Model ve öz bildirim puanlarının işlevsellik değişkenleriyle ilişki profilleri birbirine oldukça yakındı.

İlişki, tanı doğruluğu anlamına gelmiyor. Örneklem küçük, günlükler araştırma koşullarında toplandı ve dil modelleri mahrem metinleri işliyor; klinik kullanım için farklı dil ve topluluklarda doğrulama, veri koruması ve uzman denetimi gerekiyor.

Neden önemli?

Depresyon belirtileri haftalık veya aylık ölçekler arasında hızla değişebilir. Serbest anlatımdan güvenli ve şeffaf biçimde türetilen ölçümler, kişinin durumunu daha sık izlemeye yardımcı olabilir; ancak hekim değerlendirmesinin yerine geçmemeli.

Sıradaki haber hazırlanıyor…

YAPAY ZEKÂ ▲38%APPLE ▲21%ROBOTİK ▲17%ÇİP ▲12%OYUN ▼8%SİBER GÜVENLİK ▲24%