ابداع یک روش یادگیری ماشینی برای پیش بینی پیامدهای کووید-19

پژوهشگران آمریکایی در بررسی جدید خود، یک روش مبتنی بر یادگیری ماشینی را ابداع کرده اند که می تواند به بررسی پیامدهای ناشی از کووید-19 کمک کند.

- پژوهشگران آمریکایی در بررسی جدید خود، یک روش مبتنی بر یادگیری ماشینی را ابداع کرده اند که می تواند به بررسی پیامدهای ناشی از کووید-19 کمک کند.

به گزارش سایت قطره و به نقل ازایسنا و به نقل از نیوزوایز، پژوهشگران مرکز پزشکی مانت ساینای (Mount Sinai)، از روشی موسوم به یادگیری فدرال (federated learning) برای بررسی سوابق الکترونیکی استفاده کردند تا نحوه پیشرفت کووید-19 را در بیماران بهتر پیش بینی کنند.

به گفته پژوهشگران، این روش امیدوارکننده ای برای ابداع مدل های یادگیری بیشتر است که بدون به خطر انداختن حریم خصوصی بیمار، فراتر از سامانه سلامت عمل می کند.

این مدل ها می توانند به بهبود کیفیت مراقبت از بیماران کمک کنند.

یادگیری فدرال، روشی است که الگوریتمی را در چندین دستگاه یا سرورهای شامل نمونه داده های محلی آموزش می دهد اما از تجمع داده های بالینی که اثرات نامطلوبی از جمله مشکلات حریم خصوصی را برای بیماران به همراه دارد، پیشگیری می کند.

پژوهشگران مانت ساینای با استفاده از سوابق سلامت الکترونیکی ثبت شده در پنج بیمارستان جداگانه، مدل های یادگیری فدرال را به کار بردند و آنها را ارزیابی کردند تا میزان مرگ و میز را در بی