Istraživači na odseku za biomedicinski inženjering Univerziteta Džons Hopkins rade na transformaciji nege srca pacijenata. Oni sada mogu da stvore personalizovani digitalni model pacijentovog srca, ili “digitalnog blizanca“ i koriste veštačku inteligenciju da pomognu da se bolje predvidi ko je u najvećem riziku.
“Mi radimo kontrastni MRI srca, i onda kombinujemo to sa svim kliničkim podacima koji su poznati za pacijenta. To se kombinuje sa analizom preživljavanja - i možemo reći tokom 10 godina kakav je rizik od iznenadne smrti pacijenta od bolesti srca", objašnjava Natalija Trajanova sa Univerziteta Džons Hopkins.
Za razliku od segmentiranih slika koje se danas najčešće koriste, profesorka Trajanova kaže da slike celog srca proizvode preciznija predviđanja o tome kojim pacijentima su potrebni defibrilatori.
“Mi pružamo preciznije algoritme koji su multimodalni i koji mnogo bolje predstavljaju stanje pacijenta", kaže ona.
Your browser doesn’t support HTML5
Mašinsko učenje pomaže u boljem predviđanju i lečenju bolesti
U Centru za istraživanje raka Sidni Kimel na univerzitetu Džons Hopkins, doktor Viktor Velkulesku predvodi istraživanje o razvoju novih načina da se na vreme ustanovi rak pluća i druge vrste kancera.
On i njegov tim su primetili da ćelije raka rastu i reprodukuju se haotičnije nego normalne ćelije. Kada te ćelije umru, ostave za sobom vidljive karakteristike fragmenata DNK koji kruže u krvi, nazvane DNK bez ćelija (cfDNA) koji sadrže podatke o tome da li osoba može da ima rak. Tim je razvio tehnologiju zvanu DELFI, koja koristi nove algoritme za mašinsko učenje o analizi fragmenata DNK bez ćelija.
“Gledamo u krv, identifikujemo molekule DNK nazvane DNK bez ćelija, i tražimo profil ili obrasce tih DNK bez ćelija, kao način da identifikujemo osobe koje imaju rak u odnosu na one koje ga nemaju", kaže on.
Velkulesku naglašava da bi unapređivanje testova krvi moglo da dovede do poboljšanja provere i dijagnoze kanceroznih oboljenja širom sveta.