Jump to content
Forum Kopalni Wiedzy
  • ×   Pasted as rich text.   Paste as plain text instead

      Only 75 emoji are allowed.

    ×   Your link has been automatically embedded.   Display as a link instead

    ×   Your previous content has been restored.   Clear editor

    ×   You cannot paste images directly. Upload or insert images from URL.

  • Similar Content

    • By KopalniaWiedzy.pl
      Wraz z coraz większą liczbą tekstów publikowanych w internecie, pojawiła się potrzeba stworzenia zautomatyzowanych metod tworzenia abstraktów artykułów czy wywiadów. Większość dostępnych narzędzi jest zależnych od języka, w jakim został napisany oryginalny tekst, a ich stworzenie wymaga trenowania algorytmów na wielkich bazach danych.
      Firma BGN Technologies, zajmująca się transferem technologicznym wynalazków opracowanych na Uniwersytecie Ben Guriona, zaprezentowała nowatorskie automatyczne narzędzie do tworzenia abstraktów, które działa niezależnie od języka oryginalnego tekstu.
      Technologia, opracowana przez profesora Marka Lasta, doktor Marinę Litvak i doktora Menahema Friedmana bazuje na algorytmie, który klasyfikuje poszczególne zdania na podstawie statystycznych obliczeń charakterystycznych cech, które mogą być wyliczone dla każdeog języka. Następnie najwyżej ocenione zdania są wykorzystywane do stworzenia abstraktu. Metoda, nazwana Multilingual Sentence Extractor (MUSE), została przetestowana na języku angielskim, hebrajskim, arabskim, perskim, rosyjskim, chińskim, niemieckim i hiszpańskim. W przypadku angielskiego, hebrajskiego, arabskiego i perskiego stworzone abstrakty były bardzo podobne do abstraktów napisanych przez ludzi.
      Główną zaletą nowego narzędzia jest fakt, że po początkowym treningu algorytmów na opatrzonych odpowiednimi komentarzami artykułach, z których każdemu towarzyszy kilkanaście abstraktów napisanych przez ludzi, algorytmy nie muszą być później trenowane dla każdego języka z osobna. Ten sam model, który wypracowały podczas treningu, może zostać użyty dla wielu różnych języków.
      Podsumowanie tekstu, do którego wybrano zestaw najbardziej pasujących zdań z tekstu źródłowego, a wyboru dokonano na podstawie punktacji przyznawanej zdaniom i wykorzystanie w abstrakcie najwyżej punktowanych zdań, to nieocenione narzędzie do szybkiego przeglądania wielkich ilość tekstów w sposób niezależny od języka. To kluczowe narzędzie zarówno dla wyszukiwarek jak i dla takich użytkowników końcowych jak badacze, biblioteki czy media – stwierdził profesor Last.


      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Sztuczna inteligencja pomaga w diagnozowaniu stresu pourazowego (PTSD) u weteranów, analizując ich głos. W najnowszym numerze pisma Depression and Anxiety doniesiono, że opracowany na Uniwersytecie Nowojorskim (NYU) system sztucznej inteligencji potrafi z 89-procentową trafnością odróżnić osoby z PTSD od osób zdrowych.
      Wyniki naszych badań wskazują, że cechy charakterystyczne mowy mogą zostać wykorzystane do zdiagnozowania choroby. Chcemy by w najbliższej przyszłości nasz system, po jego udoskonaleniu i uzyskaniu odpowiednich zgód, trafił do codziennej praktyki klinicznej, mówi jeden z głównych autorów badań, dziekan Wydziału Psychiatrii, profesor Charles R. Marmar.
      Szacuje się, że ponad 70% dorosłych doświadcza w jakimś momencie życia traumy, a odsetek osób z PTSD jest w niektórych krajach szacowany nawet na 12% dorosłej populacji. Osoby cierpiące na zespół stresu pourazowego doświadczają, gdy zetką się z bodźcem przypominającym o traumie, silnego trwałego stresu.
      PTSD diagnozuje się podczas wywiadu klinicznego, jednak jest to metoda podatna na błędy. Dlatego też specjaliści od dawna poszukują obiektywnego fizycznego markera PTSD. Jego znalezienie nie jest jednak łatwe.
      Autorzy najnowszych badań stworzyli algorytm wykorzystujący metodę nauczania random forest, która pozwala klasyfikować np. osoby na podstawie dostępnych przykładów. W ten sposób, działając najpierw na treningowej bazie danych, sztuczna inteligencja udoskonala swoje modele i metody podejmowania decyzji.
      Najpierw naukowcy nagrali standardowy wielogodzinny wywiad diagnostyczny CAPS (Clinician-Administered PTSD Scale). Zarejestrowano wywiady z 53 weteranami z Iraku i Afganistanu, u których stwierdzono PTSD oraz z 78 weteranami, u których choroba nie występowała. Następnie materiał dźwiękowy został przetworzony przez oprogramowanie firmy SRI International, tej samej, która opracowała apple'owską Siri, a program wyodrębnił z nagrań 40 526 cech, które następnie były analizowane pod kątem występowania wzorców.
      Sztuczna inteligencja była w stanie powiązać poszczególne cechy z PTSD. Były wśród nich na przykład mniej wyraźna mowa czy pozbawiony życia metaliczny ton głosu. Wcześniej wiedziano o tych dwóch cechach, ale były one jedynie anegdotycznie uznawane za pomocne w diagnostyce. Diagnoza PTSD na podstawie głosu może o tyle mieć uzasadnienie, że teoria dotycząca przyczyn zespołu stresu pourazowego mówi, iż traumatyczne wydarzenia zmieniają połączenia między neuronami odpowiedzialnymi za przetwarzanie emocji i oraz za napięcie mięśniowe, co może wpływać na sposób artykulacji.
      Mowa jest atrakcyjnym kandydatem dla automatycznego systemu diagnostycznego, gdyż może być ona mierzona i badana w sposób tani, nieinwazyjny i zdalny, mówi główny autor badań, profesor Adam D. Brown. Możliwości analizy głosu stosowane w obecnych badaniach nad PTSD pokrywają się z możliwościami naszem platformy analitycznej SenSay Analytics. Oprogramowanie to analizuje słowa, częstotliwość, rytm, ton oraz cechy charakterystyczne artykulacji i na tej podstawie wyciąga wnioski co do stanu mówiącego, w tym co do jego stanu emocjonalnego, uczuciowego, poznawczego, zdrowotnego, zdrowia psychicznego i zdolności komunikacyjnych, dodaje Dimitra Vergyri z SRI International.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Eksperymenty przeprowadzone przez naukowców z University of Nottingham wskazują, że algorytmy, które nauczą się przewidywania ryzyka przedwczesnego zgonu mogą w przyszłości być ważnym narzędziem medycyny prewencyjnej.
      Lekarze i naukowcy opracowali algorytm oparty na technologii maszynowego uczenia się, którego zadaniem było przewidywanie ryzyka przedwczesnego zgonu u chronicznie chorych osób w średnim wieku. Okazało się, że sztuczna inteligencja nie tylko była bardzo dokładna, ale potrafiła z większą precyzją niż ludzie określić ryzyko
      Algorytm uczył się na bazie danych obejmujących ponad 500 000 osób w wieku 40–69 lat o których informacje zebrano w latach 2006–2010, a ich losy śledzono do roku 2015.
      Medycyna prewencyjna odgrywa coraz większą rolę w walce z poważnymi chorobami. Od lat pracujemy nad usprawnieniem tej dziedziny opieki zdrowotnej oraz nad ulepszeniem komputerowej oceny ryzyka w dużych populacjach. Większość tego typu prac skupia się na konkretnej chorobie. Ocena ryzyka zgonu z powodu wielu różnych czynników to bardzo złożone zadanie, szczególnie jeśli weźmiemy pod uwagę uwarunkowania środowiskowe i osobnicze, mówi główny autor badań, profesor Stephen Weng.
      Dokonaliśmy poważnego postępu na tym polu opracowując unikatowe całościowe podejście do oceny ryzyka zgonu za pomocą technik maszynowego uczenia się. Używamy komputerów do stworzenia nowego modelu ryzyka uwzględniającego szeroką gamę czynników demograficznych, biologicznych, klinicznych czy stylu życia indywidualnych osób, w tym ich zwyczajów żywieniowych, dodaje uczony. Weng mówi, że gdy odpowiedzi podawane przez algorytm porównano z danymi dotyczącymi zgonów, przyjęć do szpitali, zachorowań na nowotwory i innymi danymi epidemiologicznymi, okazało się, że algorytmy były znacząco dokładniejsze niż opracowane przez ludzi metody oceny ryzyka.
      Algorytm korzystał z metody statystycznej lasów losowych (random forest) oraz głębokiego uczenia się. Obecnie używane metody wykorzystują model regresji Cox'a oraz wielowariantowy model Cox'a, który jest doskonalszy, ale przeszacowuje ryzyko zgonu.
      Najnowsze prace zespołu z Nottingham bazują na pracach wcześniejszych, podczas których ten sam zespół naukowy wykazał, że cztery różne algorytmy sztucznej inteligencji, bazujące na regresji logistycznej, gradient boosting, lasach losowych oraz sieciach neuronowych lepiej niż obecne metody używane w kardiologii pozwalają przewidzieć ryzyko chorób układu krążenia.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Na całym świecie niemal połowa dzieci chorujących na nowotwory nie zostaje zdiagnozowana. Badacze, którzy przeanalizowali dane Światowej Organizacji Zdrowia (WHO) szacują, że w 2015 roku na nowotwory zachorowało 397 000 dzieci poniżej 15. roku życia, a 43% z nich pozostało niezdiagnozowanych.
      To znacznie więcej, niż oficjalne dane poszczególnych rządów, co oznacza, że każdego roku dziesiątki tysięcy dzieci nie jest leczonych, chorują i potencjalnie umierają z powodu choroby, o której nie wiedzą.
      Dotychczasowe szacunki mówiły, że każdego roku na świecie diagnozuje się około 200 000 przypadków nowotworów u dzieci.
      Światową liczbę zachorowań bardzo trudno jest ocenić. Na przykład w Afryce Zachodniej jedynie Mali i Kamerun prowadzą publicznie dostępne rejestry zapadalności dzieci na raka. Nawet w krajach, gdzie takie dane są dostępne, wiele przypadków mogło pozostać nieudokumentowanych.
      Wiele dzieci nie ma dostępu do podstawowej opieki zdrowotnej, nie mają dostępu do onkologów, pozostają niezdiagnozowane, mówi współautor badań, Zachary Ward z Uniwersytetu Harvarda.
      Specjaliści oszacowali, że w latach 2015–2030 na całym świecie bez diagnozy pozostanie niemal 3 miliony dzieci chorujących na nowotwory.
      Najlepsza sytuacja jest w Ameryce Północnej oraz w Europie. Wedle szacunków w 2015 roku w Ameryce Północnej na nowotwory zachorowało 10 900 dzieci poniżej 15. roku życia, z czego 3% pozostało niezdiagnozowanych. W tym samym czasie liczba chorych w Europie sięgnęła 4300, w tym 3% niezdiagnozowanych. Najgorsza sytuacja panuje w Azji Wschodniej, gdzie niezdiagnozowanych zostało 49% ze 137 000 przypadków nowotworów oraz w Afryce Zachodniej (76 000 zachorowań, 57% niezdiagnozowanych). Z szacunków wynika, że w latach 2015–2030 na nowotwory zapadnie 6 700 000 dzieci, z czego 43% nie zostanie zdiagnozowanych.
      Ward i jego koledzy, by oszacować liczbę niezdiagnozowanych dzieci, opracowali model, w którym wykorzystali dane WHO dotyczące dostępu do opieki w czasie ciąży i szczepień oraz liczby dzieci leczonych na zapalenia płuc i biegunkę. To pozwoliło na ocenę dostępu do opieki zdrowotnej.
      Naukowcy wykorzystali też dane dotyczące dochodów i odsetka populacji mieszkającej w miastach. Uzyskane wyniki porównano z rzeczywistymi danymi na temat zachorowalności dzieci na raka i odpowiednio skorygowano model.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Rak trzustki to jeden z najbardziej śmiertelnych nowotworów. Jest trudny do zdiagnozowania, gdyż na początkowych stadiach nie daje widocznych oczywistych objawów. Diagnozowany jest najczęściej w zaawansowanym stadium, dlatego też jedynie około 8,5% pacjentów przeżywa dłużej niż 5 lat od czasu diagnozy.
      Naukowcy z Van Andel Research Institute opracowali nowy, prosty test z krwi, który  w połączeniu z już istniejącymi testami wykrywa niemal 70% nowotworów trzustki, a odsetek fałszywych pozytywnych wyników wynosi mniej niż 5%.
      Rak trzustki to agresywna choroba, która ma tendencję do dawania przerzutów jeszcze przed zdiagnozowaniem, przez co jest trudny w leczeniu. Mamy nadzieję, że nasz nowy test, w połączeniu z już istniejącymi testami pozwoli lekarzom na diagnozowanie pacjentów z grupy wysokiego ryzyka jeszcze zanim nowotwór się rozprzestrzeni, mówi jeden z głównych autorów badań profesor Brian Haab.
      Nowy test, podobnie jak już istniejące, mierzy poziom cukru uwalniany do krwi przez obecne tam komórki raka trzustki. Z tą jednak różnicą, że obecne testy wykonują pomiary z populacji komórek CA-19-9, a nowy test bierze pod uwagę inną populację. Zastosowane razem testy działają zatem szerzej i jest większa szansa, iż wyłapią obecność komórek nowotworowych we krwi.
      Test CA-19-9 został opracowany przed około 40 laty. Jego skuteczność wynosi zaledwie około 40%. Jest on obecnie używany raczej do potwierdzania już postawionej diagnozy i do śledzenia postępów choroby, a nie do badań przesiewowych. Połączenie nowego testu sTRA z CA-19-9 nadaje się do prowadzenia badań przesiewowych i wczesnej diagnostyki, szczególnie u osób z grupy podwyższonego ryzyka. Osoby takie to te, w których rodzinie występował rak trzustki, które cierpią na chroniczne zapalenie trzustki, u których zdiagnozowano torbiel na trzustce oraz te ze zdiagnozowaną w późniejszych dekadach życia cukrzycą typu 2. Pojawia się bowiem coraz więcej dowodów na to, że zachorowanie na cukrzycę po 50. rokiem życia może być wczesnym objawem nowotworu trzustki. Cukrzyca, która pojawiła się wcześniej nie jest obecnie uznawana za czynnik ryzyka raka trzustki.
      Obecnie istnieje niewiele narzędzi diagnostycznych, które można zastosować u ludzi z podwyższonym ryzykiem raka trzustki. Połączenie obu wspomnianych testów może być prostą tanią metodą na wczesną diagnozę, która polepszy rokowania pacjenta, mówi Haab.

      « powrót do artykułu
×
×
  • Create New...