[ad_1]

محققان م Instituteسسه روانپزشکی ماکس پلانک ، به رهبری نیکولاس کوتسولریس ، ارزیابی های روانپزشکی را با مدل های یادگیری ماشین ترکیب کردند که داده های بالینی و بیولوژیکی را تجزیه و تحلیل می کنند. اگرچه روانپزشکان پیش بینی های بسیار دقیقی از پیامدهای مثبت این بیماری انجام می دهند ، اما می توانند فراوانی عوارض جانبی منجر به عود را دست کم بگیرند. شناخت الگوی الگوریتمی به پزشکان کمک می کند روند بیماری را بهتر پیش بینی کنند.

نتایج این مطالعه نشان می دهد که این ترکیبی از هوش مصنوعی و انسانی است که پیش آگهی بیماری روانی را بهینه می کند. کوتسولریس توضیح می دهد: “این الگوریتم به ما امکان می دهد تا پیشگیری از روان پریشی را به ویژه در بیماران جوان در معرض خطر بالا یا مبتلا به افسردگی بهبود بخشیم و هدفمندتر و به موقع مداخله کنیم.”

الگوریتم جایگزین درمان متخصصان پزشکی نمی شود. بلکه از تصمیم گیری پشتیبانی می کند و در مورد انجام معاینات اضافی به صورت فردی توصیه می کند. با استفاده از الگوریتم ، پزشکان می توانند در مراحل اولیه بیمارانی را که نیاز به مداخله درمانی دارند و کسانی که این کار را نمی کنند ، شناسایی کنند. کوتسولریس در پایان گفت: “نتایج مطالعه ما می تواند به یک فرآیند تأیید بالینی متقابل و تعاملی کمک کند و ابزارهای پیش آگهی را در خدمات غربالگری واقعی بهبود بخشد.”

ایجاد تغییر: یک فرصت حمایت شده


تاریخچه تاریخ:

مواد تهیه شده توسط انجمن ماکس پلانک. توجه: مطالب را می توان از نظر سبک و طول ویرایش کرد.


مرجع مجله:

  1. نیکولاس کوتسولریس ، دومینیک ب. دویر ، فرانسیسکو دگنارد ، کارلو مادج ، ماریا فرناندا اورکیو-کاسترو ، راشل سانفلیچی ، دیوید پوپوویچ ، اومر اوزتورک ، شالایلا اس. هاس ، یوهانا وایسکه ، آن روف ، لانا کمبیتزی-ا. ایلانکوویچ سوزان نوفانگ ، کریستین اشمید-کراپلین ، استفان رومن ، نورا پنزل ، یوزف کامبیز ، ترزا ک. هایدل ، مارلین روزن ، کاتارینا چیشولم ، آنیتا ریچر-روسلر ، لورا اگلوف ، آندره اشمید ، کریستینا آندرو ، جارمو هیئتالا ، جورجی روم ، پترا والگر ، موریزیا فرانسیینی ، نینا ترابر-واکر ، بنو جی شیمللکی ، راشل ولف رسلر ، اولگ بوریسوف ، پیتر ام. كراویتس ، كارستن هكرن ، رم بوخلر ، كریستوس پانتلیس ، پیتر فالكای ، رایمو كریو سالوكانگاس ، ربكا لنسر ، الساندرو برتولینو ، استفان بورگوارد ، ماركوس نوتن ، پائولو برامیلا ، استفن. وود ، راشل آپتگروو ، فراوکه شولز-لوتر ، آناستازیا تئودوریدو ، اوا میزنزال. گردش کار یادگیری ماشین چند مدلی برای پیش بینی روان پریشی در بیماران مبتلا به سندرم های بالینی پرخطر اخیر و افسردگی. روانپزشکی JAMA، 2020؛ DOI: 10.1001 / jamapsychiatry.2020.3604

به این صفحه اشاره کنید:

ماکس پلانک-گسلشفت. “دانشمندان الگوریتم گردش کار را برای پیش بینی روان پریشی شناسایی می کنند.” ScienceDaily. ScienceDaily ، 11 ژانویه 2021 .

ماکس پلانک-گسلشفت. (2021 ، 11 ژانویه). دانشمندان یک الگوریتم گردش کار را برای پیش بینی روان پریشی شناسایی کرده اند. ScienceDaily. مشاهده شده در 11 ژانویه 2021 از سایت www.sciencedaily.com/releases/2021/01/210111094301.htm

ماکس پلانک-گسلشفت. “دانشمندان الگوریتم گردش کار را برای پیش بینی روان پریشی شناسایی می کنند.” ScienceDaily. www.sciencedaily.com/releases/2021/01/210111094301.htm (دسترسی به 11 ژانویه 2021).

[ad_2]

منبع: unbox-news.ir