PAIRS Medical Diagnosis 1.0

에 대해 PAIRS Medical Diagnosis

의학적 진단은 복잡한 주제이며 여러 가지 함정을 앓고 있습니다. 의학에 대한 연구는 과학이지만, 실천은 예술입니다. 실수는 환자와 그들의 가족 및 의사에게 엄청난 비용으로 일어날 수 있습니다. 오류를 최소화하기 위해 임상 결정 지원 시스템(CDSS)이 개발되었습니다. AI-MED는 의사가 자신의 연습에 오류를 최소화 할 수 있도록 설계되었습니다. 한 연구에서는 진단 오류(15%)를 포함한 의료 오류로 인해 매년 225명의 환자가 사망하는 것으로 나타났습니다. 약물의 부작용 (45%). CDSS는 이러한 오류를 최소화하기 위해 HIS와 함께 미국에서 사용하도록 의무화됩니다. 진단 오류는 여러 가지 이유로 인해 의사에 의해 이루어집니다. 심리학자들은 이러한 것을 연구하고 현저한 산만 기능이 이유 중 하나일 수 있음을 발견했습니다. 예를 들면, 몇몇 특징은 몇몇 사건에 그들의 현재 관계 때문에 중요하다고 생각할 지도 모르지만 질병 프로세스에 관여하지 않거나 진단과 관련이 없을 지도 모릅니다. 마찬가지로 잘못된 추론은 인지 또는 확인 편향 때문일 수 있습니다. 다른 오류는 잠재 고객의 앵커링 또는 프레이밍 또는 조기 폐쇄로 인해 발생할 수 있습니다. AI-MED는 프로세스를 방해하여 이러한 오류를 최소화하도록 설계되었습니다. AI-MED 진단 프로세스는 전통적인 진단에 대 한 방해 (인간의 추론에 변함없이 관련 된 어떤 편견을 고려 하지 않음) 따라서 오류를 최소화.

인공 지능(AI)은 자연어 처리(NLP) 및 진단 의사 결정 지원(DDS)으로 구성되어 있으며 CDSS의 일부입니다. NLP의 몇 가지 예로는 통계 텍스트 분류기가 있습니다. 그러나, 임상 용어는 훨씬 복잡 하 고 일반적으로 라틴어와 그리스어 용어를 기반으로. 의학 용어 - 임상 용어 (SNOMED-CT)의 표준화 된 명명록은 텍스트 분류를 위해 개발되었다. 용어(300 000 이상)는 정확한 설명과 자동화된 처리를 위해 9자리 숫자로 인덱싱됩니다. 알고리즘은 환자 데이터의 올바른 해석을 위해 이 인덱스를 사용하도록 제작되었습니다. DDS는 진단을 위해 환자 데이터에 적용됩니다. Bayesian 확률 적 신념 네트워크는 인기가 있으며 근사치 방법을 진단에 사용할 수 있습니다. 의사 보조 인공 지능 참조 시스템 (PAIRS)는 유사한 라인에서 개발된다. 약 486개의 내과 질환과 2000개의 특징을 위한 약 28 000개의 질병 기능 링크가 있습니다. 쌍 특징은 증상, 징후 또는 검사로 구성됩니다. AI는 NLP와 DDS로 구성되어 있습니다. NLP는 SNOMED-CT 워드 인덱스 분석을 기반으로 합니다. 알고리즘은 가능한 동의어를 선택하고 표시하는 단어 기반 인덱스를 생성합니다. 사용자는 하나의 좋아요로 데이터를 입력할 수 있으며 프로그램은 피처 목록에서 동의어를 찾습니다. AI-MED는 쌍 데이터베이스를 사용합니다. 사용자 친화적인 NLP를 사용하면 하나의 좋아요로 임상 데이터를 입력할 수 있습니다. 예를 들어 약어는 NLP에서 올바르게 식별됩니다. 환자 데이터를 입력하면 DDS를 실행할 수 있습니다.

AI-MED는 DDS에 대한 바이지안 확률 방법의 근사치 방법을 사용합니다. 이 방법은 1999년 토미 자콜라와 마이클 조던에 의해 인공 지능 연구의 저널에 발표되었다. 각 쌍특징은 병리생리학적 근거와 임상적 중요성에 따라 가중치(0.09 ~0.99)입니다. 진단 결정은 감염, 신동증, 자가 면역 또는 그 외 : 각 그룹의 하나로 클러스터된다. DDS는 환자 데이터에서 실행되어 가능한 진단 세트를 제공합니다. AI-MED는 바이어스에 관계없이 진단 데이터를 제공합니다. 지정된 환자 데이터의 경우 PAIRS 데이터베이스에서 사례 데이터를 빌드합니다. 케이스 데이터는 무게, 질병의 부각 및 그들의 통계적인 누수 요인을 포함합니다. DDS는 질병의 확률의 근사치를 계산하도록 설계되었습니다. 이 근사치에는 상한및 하한경계가 있습니다. 이러한 대수 알고리즘의 구현 정확도는 경계 간에 0.00004에서 0.00009의 일관된 수치 변동을 초래하여 확인됩니다. 베이지안 확률 추정은 진단을 위해 만들어집니다. 마지막으로, 가능한 진단을 테스트하기 위한 일련의 조사가 제안됩니다. 추가 참조를 위해 출력을 파일에 저장할 수 있습니다.