Home / Archive by category "medicina"

medicina

La seconda ondata COVID e l’intelligenza artificiale

In che modo l'intelligenza artificiale può aiutarci a prepararci per la seconda ondata: leader del pensiero Affinché i paesi possano pianificare come riavviare con successo le proprie economie, è necessario un nuovo modello di dati, basato sull'intelligenza artificiale. Finora, i modelli di data science esistenti non hanno svolto il lavoro migliore nel prevedere la facilità di trasmissione di COVID-19, l'entità del suo sviluppo, il potenziale di mutazione e le epidemie in nuovi punti caldi. Molti sono stati sviluppati in fretta, con dati imperfetti basati su una capacità di test limitata. Un modello di intelligenza artificiale, tuttavia, sarebbe adattivo, costruito per scalare e automatizzato, raccogliendo dati sociologici, economici e sanitari per consentire alle economie di riaprirsi con successo in caso di un'altra ondata. I dati utilizzati in questo modello dovrebbero essere accurati e statisticamente significativi. Deve anche essere affidabile. Finora, cose come i valori R, i livelli di immunità della mandria e i tassi di mortalità sono stati molto difficili da stimare in diverse aree geografiche, specialmente in luoghi senza una strategia di test coerente. Un altro problema è stato che, anche quando sono stati effettuati buoni test, ci sono state differenze selvagge nei tassi di sensibilità e specificità, causate dalla varianza nei tipi di test immunodiagnostici e dalle tecniche di raccolta dei campioni. Non solo i dati sono poco brillanti, ma i modelli stessi sono stati difettosi. Il modello utilizzato dalla Casa Bianca, costruito dall'Institute for Health Metrics and Evaluation, non ha tenuto conto delle differenze nei parametri regionali chiave e ha ipotizzato che il virus avrebbe influenzato la popolazione nello stesso modo in cui ha fatto in Cina, Spagna e Italia . Ovviamente, gli Stati Uniti hanno caratteristiche della popolazione, livelli di quarantena e disponibilità di test molto diversi. Gran parte della popolazione non ha accesso im...
Continua a Leggere

Algoritmi di elaborazione del linguaggio naturale per comprendere la trasformazione delle proteine

I ricercatori dell'Università del Maryland hanno recentemente applicato tecniche di elaborazione del linguaggio naturale e algoritmi di apprendimento automatico per ottenere informazioni su come le molecole proteiche passano da una forma all'altra. Il recente articolo , pubblicato sulla rivista Nature Communications, è la prima volta che un algoritmo di AI viene utilizzato per studiare le dinamiche dei sistemi biomolecolari per quanto riguarda la trasformazione delle proteine. Le molecole proteiche possono assumere varie forme, ma i meccanismi che spingono una proteina a passare da una forma all'altra sono ancora alquanto misteriosi. La funzione di una molecola proteica è definita dalla sua forma e acquisire una migliore comprensione dei meccanismi che influenzano la forma / struttura di una proteina potrebbe consentire agli scienziati di progettare terapie farmacologiche mirate e determinare la causa delle malattie. Le molecole biologiche non sono stazionarie, si muovono costantemente in risposta agli eventi nel loro ambiente. Le pressioni ambientali possono far cambiare le molecole in forme diverse, spesso in modo abbastanza improvviso. Una molecola può improvvisamente ripiegarsi in una struttura completamente diversa, in un processo molto simile allo srotolamento di una molla. Diverse porzioni della molecola si aprono e si piegano ei ricercatori hanno studiato le fasi intermedie tra le diverse forme molecolari. Secondo Phys.org, Pratyush Tiwary era l'autore senior dell'articolo ed è un assistente professore presso il Dipartimento di Chimica e Biochimica del Maryland e Istituto di Scienza Fisica e Tecnologia. Secondo Tiwary, l'elaborazione del linguaggio naturale può essere utilizzata per modellare il modo in cui le molecole si trasformano e si adattano. Tiwary osserva che le molecole hanno un certo “linguaggio” che parlano, con i movimenti che le molecole rendono capaci di essere tradotti in un linguaggio astratto. Quando viene eseguito questo proce...
Continua a Leggere

La nuova intelligenza artificiale IA si è dimostrata estremamente efficace nell’identificazione del COVID-19 nei polmoni

L'intelligenza artificiale (AI) ha dimostrato ancora una volta di essere uno strumento efficace nella lotta contro COVID-19. Un nuovo studio dell'Università della Florida centrale ha dimostrato come l'intelligenza artificiale possa essere accurata quasi quanto un medico nella diagnosi del virus presente nei polmoni, nonché come possa essere utilizzata per migliorare i test. Lo studio è stato pubblicato su Nature Communications . Diagnosi di COVID-19 Il team di ricercatori ha sviluppato un algoritmo di intelligenza artificiale che potrebbe essere addestrato per identificare la polmonite COVID-19 nelle scansioni di tomografia computerizzata (TC) e ha dimostrato un tasso di accuratezza fino al 90%. È stato anche in grado di identificare correttamente i casi positivi e negativi, rispettivamente l'84% e il 93% delle volte. Le scansioni TC hanno dimostrato di essere più efficaci quando si tratta di diagnosi e progressione COVID-19 rispetto ai test di reazione a catena della polimerasi di trascrizione (RT-PCR). Questi test vengono spesso utilizzati, ma hanno un'elevata percentuale di falsi negativi e di solito richiedono più tempo per essere elaborati. Uno dei motivi principali per cui le scansioni TC vengono utilizzate per diagnosticare COVID-19 è che possono rilevare il virus anche in individui che non mostrano sintomi. Non si ferma qui, tuttavia, poiché possono rilevarlo anche in individui con sintomi precoci, in quelli che si trovano nella fase peggiore della malattia, così come in quelli che ce l'hanno fatta e non hanno più sintomi. Con tutti i suoi vantaggi, le scansioni TC hanno anche i loro difetti, motivo per cui a volte non sono consigliate per l'identificazione COVID-19. Questo ha a che fare con le somiglianze tra la polmonite associata all'influenza e il COVID-19. Il nuovo algoritmo Tenendo conto di tutto ciò, il team di ricercatori dell'UCF ha sviluppato un nuovo algoritmo in grado di individuare con precisione COVID-19. Non solo, ma ...
Continua a Leggere

Gli algoritmi di intelligenza artificiale per quantificare la solitudine negli anziani

Gli scienziati rilevano la solitudine attraverso l'uso I ricercatori della University of California San Diego School of Medicine hanno fatto uso di algoritmi di intelligenza artificiale per quantificare la solitudine negli anziani e determinare come gli anziani potrebbero esprimere la solitudine nei loro discorsi. Negli ultimi vent'anni circa, gli scienziati sociali hanno descritto una tendenza all'aumento della solitudine nella popolazione. Studi condotti nell'ultimo decennio, in particolare, hanno documentato l'aumento dei tassi di solitudine in vaste fasce della società, che ha un impatto sui tassi di depressione, sui tassi di suicidio, sull'uso di droghe e sulla salute generale . Questi problemi sono solo aggravati dalla pandemia di Covid-19 , poiché le persone non sono in grado di incontrarsi e socializzare di persona in sicurezza. Alcuni gruppi sono più vulnerabili alla solitudine estrema, come i gruppi emarginati e gli anziani. Come riportato da MedicalXpress , uno studio fatto da UC San Diego ha rilevato che le comunità di alloggi per anziani avevano tassi di solitudine vicini all'85% se si contano coloro che hanno riferito di aver vissuto una solitudine moderata o grave. Per determinare le soluzioni a questo problema, gli scienziati sociali devono ottenere una visione accurata della situazione, determinando sia la profondità che l'ampiezza del problema. Sfortunatamente, la maggior parte dei metodi di raccolta dei dati sulla solitudine sono limitati sotto aspetti notevoli. L'auto-segnalazione, ad esempio, può essere prevenuta verso i casi più estremi di solitudine. Inoltre, le domande che chiedono direttamente ai partecipanti allo studio di quantificare quanto si sentono "soli" a volte possono essere imprecise a causa degli stigmi sociali che circondano la solitudine. Nel tentativo di progettare una metrica migliore per quantificare la solitudine, gli autori dello studio si sono rivolti all'elaborazione del linguaggio naturale e all'apprendim...
Continua a Leggere

L’intelligenza artificiale e l’apprendimento automatico potrebbero aiutare a guarire le lesioni aumentando la velocità di sviluppo dei bioscaffold stampati in 3D

Gli algoritmi di intelligenza artificiale possono migliorare la creazione di materiali bioscaffold e aiutare a guarire le ferite L'intelligenza artificiale e l'apprendimento automatico potrebbero aiutare a guarire le lesioni aumentando la velocità di sviluppo dei bioscaffold stampati in 3D. I bioscaffold sono materiali che consentono agli oggetti organici, come la pelle e gli organi, di crescere su di essi. Un recente lavoro svolto dai ricercatori della Rice University ha applicato algoritmi di intelligenza artificiale allo sviluppo di materiali bioscaffold, con l'obiettivo di prevedere la qualità dei materiali stampati. I ricercatori hanno scoperto che il controllo della velocità di stampa è fondamentale per lo sviluppo di utili impianti bioscaffold. Come riportato da ScienceDaily , un team di ricercatori della Rice University ha collaborato per utilizzare l'apprendimento automaticoidentificare possibili miglioramenti ai materiali del bioscaffold. L'informatica Lydia Kavraki, della Brown School of Engineering della Rice, guida un team di ricerca che ha applicato algoritmi di apprendimento automatico per prevedere la qualità del materiale dello scaffold. Lo studio è stato co-autore del bioingegnere della Rice Antonios Mikos, che lavora su bioscaffold simili a ossa che fungono da sostituti dei tessuti, destinati a sostenere la crescita di vasi sanguigni e cellule e consentire ai tessuti feriti di guarire più rapidamente. I bioscaffold su cui lavora Mikos hanno lo scopo di curare le ferite muscolo-scheletriche e cranio-facciali. I bioscaffold sono prodotti con l'ausilio di tecniche di stampa 3D che producono scaffold che si adattano al perimetro di una data ferita. Il processo di stampa 3D del materiale bioscaffold richiede molte prove ed errori per ottenere il lotto stampato giusto. Devono essere presi in considerazione vari parametri come la composizione del materiale, la struttura e la spaziatura. L'applicazione di tecniche di apprendimento automatico pu...
Continua a Leggere

Valo Health l’intelligenza artificiale AI per la scoperta di nuovi farmaci

Questa startup ha raccolto quasi $ 100 milioni per mantenere la promessa di AI per la scoperta di farmaci Per molti imprenditori, la fondazione di una nuova società può essere un'occasione importante, spesso il culmine di molto tempo e impegno. Per David Berry, è avvenuta un martedì. Da quando è entrato a far parte della società VC Flagship Pioneering nel 2005, il 42enne ha fondato o cofondato 30 diverse società nel campo delle scienze della vita e della tecnologia, guidandone oltre 10 come CEO fondatore. La sua ultima azienda, Valo Health, è una delle tante volte a utilizzare gli ultimi progressi nell'intelligenza artificiale, nell'apprendimento automatico e nel calcolo per migliorare il processo notoriamente difficile e inefficiente della scoperta di farmaci. "Operiamo da anni con un modello di sviluppo di farmaci che ha una bassa probabilità di successo", afferma. Ha ragione: meno del 10% dei farmaci promettenti che iniziano il processo clinico finiscono per arrivare sul mercato, e questa cifra è rimasta costante per anni. "Vedo un'opportunità in cui i dati e il calcolo ci offrono un'opportunità fondamentale per riscrivere il processo di scoperta di farmaci". Berry ha molta potenza di fuoco dietro la sua visione. La società è stata fondata circa 18 mesi fa e nel luglio 2019 ha raccolto una serie A di quasi 100 milioni di dollari da Flagship Pioneering e PSP Investments. Nel novembre 2019, Valo ha acquisito Numerate, società di intelligenza artificiale di San Francisco, trasformando le operazioni di tale società in proprie. Nel marzo 2020, ha acquisito la piattaforma di scoperta in fase iniziale di FORMA Therapeutics, che includeva il suo team, il portafoglio IP, due laboratori di scoperta iniziale e biblioteche di ricerca e sviluppo. L'obiettivo iniziale dell'azienda sarà quello di trovare piccole molecole che possono essere utilizzate per trattare il cancro e le malattie neurodegenerative. "L'intero processo di pensiero per ricreare l'intero c...
Continua a Leggere

Cognoa presenterà la sua diagnostica per il disturbo dello spettro autistico (ASD) alla FDA per l’autorizzazione

Cognoa chiede l'autorizzazione della FDA per il dispositivo diagnostico digitale per l'autismo dopo uno studio riuscito Cognoa , la principale azienda di salute comportamentale pediatrica che sviluppa soluzioni diagnostiche e terapeutiche per bambini che vivono con autismo e altre condizioni di salute comportamentale, ha annunciato oggi che dopo aver superato tutti gli obiettivi della FDA nello studio cardine, la società presenterà la sua diagnostica per il disturbo dello spettro autistico (ASD) alla FDA per l'autorizzazione. La diagnostica di Cognoa aveva già ottenuto la designazione di dispositivo rivoluzionario dalla FDA nell'ottobre 2018. Cognoa cerca di introdurre un approccio nuovo, efficiente e accurato alla diagnosi di ASD nel contesto dell'assistenza primaria, utilizzando l'intelligenza artificiale (AI) per fornire un nuovo paradigma di cura che autorizza i pediatri. Attualmente, i pediatri indirizzano la maggior parte dei bambini con sospetto ritardo dello sviluppo a specialisti per diagnosticare e prescrivere un trattamento. Ciò si traduce spesso in bambini e famiglie che affrontano un processo arduo, costringendo le famiglie ad aspettare mesi o addirittura anni prima che il loro bambino riceva una diagnosi iniziale di ASD e possa iniziare una terapia che cambia la vita. La soluzione di Cognoa è posizionata per cambiare radicalmente questo standard di cura riducendo i tempi di attesa per la diagnosi, consentendo così l'inizio dell'intervento precoce durante le finestre critiche dello sviluppo neurologico. L'intervento precoce ha dimostrato di migliorare i risultati per tutta la vita per i bambini e le loro famiglie che vivono con l'autismo. "I dati del nostro studio cardine erano forti e siamo incredibilmente entusiasti di presentare una richiesta de novo per l'autorizzazione FDA dell'ASD Diagnostic di Cognoa", ha affermato David Happel, CEO di Cognoa. “L'accuratezza della nostra soluzione diagnostica per l'autismo non ha eguali, supera t...
Continua a Leggere

Il computer utilizza i segnali del cervello umano per modellare la percezione visiva

In quello che è il primo del suo genere, i ricercatori dell'Università di Helsinki hanno dimostrato una nuova tecnica in cui un computer monitora i segnali del cervello umano per modellare la percezione visiva. In altre parole, il computer tenta di ricreare ciò a cui pensa un essere umano nella sua testa. Questa tecnica di nuova concezione fa sì che il computer sia in grado di produrre informazioni completamente nuove e immagini di fantasia che non erano mai apparse prima. Il nuovo studio è stato pubblicato a settembre sulla rivista Scientific Reports , una rivista online ad accesso aperto che copre più discipline. I ricercatori hanno basato la tecnica su una nuova interfaccia cervello-computer, che tradizionalmente è in grado di comunicare solo unidirezionale dal cervello al computer. Ciò comporta, ad esempio, l'ortografia delle lettere o lo spostamento di un cursore. Il lavoro è stato il primo a dimostrare la presentazione del computer delle informazioni e dei segnali cerebrali modellati contemporaneamente attraverso l'uso di metodi di intelligenza artificiale (AI). Le risposte del cervello umano e una rete neurale generativa hanno interagito e generato immagini che rappresentavano le caratteristiche visive di ciò su cui i partecipanti si stavano concentrando. Modellazione generativa neuroadattivo Il metodo si chiama modellazione generativa neuroadattivo e la sua efficacia è stata testata con 31 partecipanti. A questi partecipanti sono state mostrate centinaia di immagini generate dall'intelligenza artificiale di una vasta gamma di persone e l'EEG dei partecipanti è stato registrato durante la visualizzazione delle immagini. Ai partecipanti è stato detto di concentrarsi su alcune caratteristiche delle immagini, come volti ed espressioni distinte. Quindi sono state rapidamente presentate una serie di immagini del viso mentre gli EEG venivano alimentati a una rete neurale. Questa rete neurale ha quindi dedotto se un'immagine è stata rilevata da...
Continua a Leggere

Il Sankara Eye Hospital usa l’intelligenza artificiale per il rilevamento della retinopatia diabetica

In che modo il Sankara Eye Hospital utilizza l'intelligenza artificiale per il rilevamento della retinopatia diabetica L'India è una capitale mondiale del diabete , con una prevalenza del diabete negli adulti dell'8,9% nella regione rurale. Il diabete può causare danni irreversibili alla retina, con conseguenti problemi di vista e talvolta anche cecità. In effetti, i rapporti affermano che il numero totale di persone con diabete dovrebbe salire a 439 milioni nel 2030, con quattro persone diabetiche su dieci che richiedono un qualche tipo di trattamento per gli occhi. Pertanto, richiede una diagnosi precoce e un trattamento che possa fermare il danno. Tuttavia, la mancanza di oculisti qualificati per identificare la retinopatia diabetica influisce sulla cura, soprattutto nelle aree rurali e semiurbane, che comporta un'enorme scarsità di specialisti oculistici esperti. Per risolvere questo problema, il Sankara Eye Hospital di Bengaluru ha deciso di collaborare con Leben Care , con sede a Singapore , per implementare una piattaforma software AI basata su cloud - Nethra AI per diagnosticare le condizioni retiniche nei pazienti. Per comprendere a fondo la soluzione ei suoi vantaggi, ci siamo messi in contatto con gli ocularisti del Sankara Eye Hospital, il dottor Divyansh K Mishra . “L'esame oculistico fornisce un indizio efficace per rilevare le malattie degli occhi. La malattia dell'occhio diabetico può causare la perdita permanente delle visioni, inclusa la cecità ", ha affermato il dott. Mishra. La tecnologia dietro Nethra AI Sviluppato da Leben Care, Netra.AI è una piattaforma completa di software-as-a-service per la valutazione del rischio della retina disponibile sul cloud. Spiegando la tecnologia, Gurunath Bhuvanagiri, l'architetto capo e scienziato di intelligenza artificiale di Leben.ai ha dichiarato, le immagini dei pazienti del fondo dell'occhio vengono acquisite utilizzando telecamere e quindi caricate sulla piattaforma basata sull'apprendimen...
Continua a Leggere

Dall’ETH di Zurigo un nuovo modello basato sui dati che classifica direttamente una scansione fMRI e la mappa alla parola corrispondente all’interno di un vocabolario fisso

I ricercatori decodificano le scansioni cerebrali per generare testo il mese e scorso, Neuralink di Elon Musk ha dimostrato che è possibile monitorare l'attività cerebrale dai nostri telefoni. Ci sono state speculazioni intorno a Neuralink sul potenziale che ha per le generazioni future. La decodifica dei segnali cerebrali ha grandi implicazioni in medicina. Una persona disabile può essere assistita, può capire cosa prova una persona senza parole e altro ancora. Quindi, possiamo sapere cosa sta pensando qualcuno? Se possiamo, l'output sarà in un formato di testo? Indagando su linee simili, i ricercatori dell'ETH di Zurigo, in Svizzera, hanno proposto un nuovo modello basato sui dati che classifica direttamente una scansione fMRI e la mappa alla parola corrispondente all'interno di un vocabolario fisso. Inoltre, affrontano la decodifica del cervello su soggetti invisibili. Questo nuovo modello, hanno scritto i ricercatori, sfrutta l'apprendimento profondo per decodificare le attività cerebrali sotto forma di scansioni fMRI in testo. In questo lavoro, i ricercatori cercano di mappare le attività cerebrali sotto forma di scansioni fMRI sul testo presentato ai soggetti durante la scansione. Hanno considerato due tipi di decodificatori: decodificatori classici basati sulla regressione e decodificatori basati sulla classificazione, che imparano a mappare le attività cerebrali su una parola all'interno di un vocabolario limitato. Sopra è mostrata l'architettura del decodificatore migliorato applicato. Ma la raccolta della fMRI non è un processo semplice. Esistono incongruenze tra le sessioni di scansione e può essere costoso e lento. Gli autori lamentano che occorrono circa 4 ore solo per ottenere le 180 scansioni cerebrali, che devono ancora essere elaborate. La maggior parte dei lavori precedenti sulla decodifica del cervello ha considerato lo scenario in cui il modello viene addestrato con i dati dello stesso soggetto che viene valutato. Gli autori sos...
Continua a Leggere
Top

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi