Modelli di deep learning in grado di rilevare la SLA più velocemente, nuova ricerca

Ricercatori italiani hanno prodotto un modello di deep learning in grado di prevedere la progressione della malattia [...]
rischio clinico AI
  1. Home
  2. News
  3. Modelli di deep learning in grado di rilevare la SLA più velocemente, nuova ricerca

Ricercatori italiani hanno sviluppato modelli di deep learning in grado di prevedere la progressione della sclerosi laterale amiotrofica (SLA) o della malattia di Lou Gehrig. Il lavoro, condotto da Corrado Pancotti, Giovanni Birolo, Cesare Rollo, Tiziana Sanavia, Barbara Di Camillo, Umberto Manera, Adriano Chiò e Piero Fariselli, ha permesso di scoprire che le reti neurali convoluzionali sono migliori per la diagnosi precoce della SLA. Prima avviene il rilevamento, migliore è l’esito per il paziente, poiché la SLA può essere difficile da rilevare con i muscoli del malato che si deteriorano nel tempo.

I risultati, pubblicati su Nature, mostrano che i ricercatori hanno utilizzato reti neurali per imitare il modo in cui le cellule nervose nel cervello elaborano le informazioni. Sono stati valutati tre tipi di reti neurali: feed-forward, ricorrenti e convoluzionali.

Come funziona il modello di deep learning per la Sla

Gli scienziati hanno costruito i modelli utilizzando il database Pooled Resource Open-Access ALS Clinical Trials (PRO-ACT), uno dei più grandi archivi pubblici di dati longitudinali di oltre 10mila pazienti. Più di 250 variabili cliniche e demografiche sono state prese in considerazione nelle reti neurali per prevedere i risultati dei pazienti.

Il modello di rete neurale è stato confrontato con i risultati di due algoritmi di apprendimento automatico consolidati: il Bayesian Additive Regression Trees (BART) e il Random Forest Regressor (RF).

Utilizzando lo standard ALSFRS per determinare la progressione della malattia, i ricercatori hanno scoperto che i modelli di rete neurale hanno una gamma di errori più piccola ma erano meno accurati rispetto al BART. Il modello di rete neurale convoluzionale ha mostrato i migliori risultati.

WHITEPAPER
AZIENDA RETAIL: ecco i 15 motivi per cui hai bisogno dell'Intelligenza Artificiale!
Intelligenza Artificiale
Retail

Tutti i modelli hanno dimostrato che la diagnosi precoce era il miglior predittore degli esiti dei pazienti. Inoltre, i modelli potrebbero classificare i pazienti in “progressori medio-lenti” e “progressori veloci”.

I “progressori medio-lenti” hanno mostrato risultati migliori per i pazienti, ma i modelli non potevano prevedere con precisione i risultati di sopravvivenza.

“Mentre i modelli di deep learning [rete neurale] hanno funzionato in modo paragonabile ai modelli all’avanguardia, non hanno fornito un vantaggio decisivo”, hanno dichiarato i ricercatori.

 

FacebookTwitterLinkedIn