ნეონატალურ პაციენტთა პროგნოზის პრედიქციის სისტემა
pdf

საკვანძო სიტყვები

ახალშობილთა მოვლა
მანქანური სწავლება
დაავადების პროგნოზი
დაავადების დიაგნოზი
ინტენსიური მკურნალობა
ხელოვნური ინტელექტის მოდელი

როგორ უნდა ციტირება

კენჭაძე ნ. (2025). ნეონატალურ პაციენტთა პროგნოზის პრედიქციის სისტემა. ახალგაზრდა მკვლევარები, 3(1), 69–73. https://doi.org/10.52340/jr.2025.03.01.03

ანოტაცია

ჯანდაცვის მსოფლიო ორგანიზაციის (WHO) მონაცემებით, 2022 წელს სიცოცხლის პირველ 28 დღეს მსოფლიოში გარდაიცვალა  2,3 მილიონი ბავშვი. ახალშობილის მდგომარეობა ზოგჯერ შეიძლება ისე სწრაფად გაუარესდეს, რომ დადგეს ლეტალური გამოსავალი დიაგნოზის გარეშეც კი. კვლევა მიზნად ისახავდა  რუტინული სისხლის ტესტების გამოყენებით, ხელოვნურ ინტელექტზე დაფუძნებული დიაგნოსტიკური მოდელის შემუშავებას, ახალშობილი პაციენტების პროგნოზის პრედიქციისთვის. კვლევაში მონაწილეობდნენ  როგორც დროული ასევე დღენაკლული ცოცხლად შობილი პაციენტები.  ხელოვნური ინტელექტის მოდელის შესაქმნელად გამოვიყენეთ Matlab პროგრამული უზრუნველყოფა. შექმნილი მოდელი გამოირჩევა ნეონატალური პაციენტების პროგნოზის განსაზღვრის მაღალი სიზუსტით (94%). რუტინულმა სისხლის ტესტებმა შეიძლება მოგვაწოდოს მეტი ინფორმაცია, რომელიც დაგვეხმარება ახალშობილთა პროგნოზის პრედიქციაში.

https://doi.org/10.52340/jr.2025.03.01.03
pdf

წყაროები

Simon Podnar at all. Diagnosing brain tumours by routine blood tests using machine learning. ResearchGate. (10/9/2019). DOI:10.1038/s41598-019-51147-3

Esteva, A. et al. A guide to deep learning in healthcare. Nat. Med. 25, 24–29 (2019).

Mesko, B. & Gorog, M. A short guide for medical professionals in the era of artificial intelligence. NPJ Digit Med. 3, 126 (2020).

Kwok, T. N. C. et al. Application and potential of artificial intelligence in neonatal medicine. Semin. Fetal Neonatal Med. 27, 101346 (2022).

Jeong, H. & Kamaleswaran, R. Pivotal challenges in artificial intelligence and machine learning applications for neonatal care. In Seminars in Fetal and Neonatal Medicine Vol. 27, 101393 (Elsevier, 2022)

Ambalavanan, N. et al. Prediction of death for extremely low birth weight neonates. Pediatrics 116, 1367–1373 (2005).

Bowe, A. K., Lightbody, G., Staines, A. & Murray, D. M. Big data, machine learning, and population health: predicting cognitive outcomes in childhood. Pediatr Res. (2022).

Pammi, M., Aghaeepour, N. & Neu, J. Multiomics, artificial intelligence, and precision medicine in perinatology. Pediatr Res (2022).

Knake, L. A. Artificial intelligence in paediatrics: the future is now. Pediatr Res. (2022).

Downloads

Download data is not yet available.

Metrics

No metrics found.