Toppen! Nu Àr du prenumerant pÄ Warp News
HÀrligt! Genomför ditt köp i kassan för full tillgÄng till Warp News
Varmt vÀlkommen tillbaka! Du Àr nu inloggad.
Tack! Kolla din inkorg för att aktivera ditt konto.
Klart! Din faktureringsinformation Àr nu uppdaterad.
Uppdateringen av faktureringsinformationen misslyckades.
🧠 AI kan förutsĂ€ga hur mycket syre Covid-patienter behöver

🧠 AI kan förutsĂ€ga hur mycket syre Covid-patienter behöver

En AI kan optimera syretillförseln för varje patient som behöver sjukhusvÄrd för Covid.

Kent Olofsson
Kent Olofsson

MÄnga som behöver söka sjukhusvÄrd för Covid fÄr behandling med syrgas. Ett internationellt forskarlag har nu anvÀnt AI för att avgöra hur mycket syrgas som Àr optimalt för varje patient.

Forskarna samlade in data frÄn 10 000 patienter frÄn sjukhus runt om i vÀrlden. Det handlade om röntgenbilder och andra patientdata som anonymiserats.

Alla dessa data matades in i en AI, som kallas Exam, som sedan förutsÄg hur mycket syre patienterna hade behövt under det första dygnet av deras sjukhusvistelse. Resultatet blev att AI:n hade rÀtt i upp till 95 procent av fallen.

Metoden som forskarna anvÀnde kallas federated learning. I korthet gÄr det ut pÄ att decentralisera djupinlÀrning. I stÀllet för att samla alla data centralt sÄ finns data pÄ en mÀngd olika platser, i det hÀr fallet pÄ sjukhus runt om i vÀrlden. Varje sjukhus behÄller dÀrmed kontrollen över sina egna data och hur de lagras. Det blir dÀrmed enklare att samarbeta för sjukhus som kan behöva följa olika regelverk.

– Federated learning lĂ„ter forskare samarbeta och sĂ€tter en ny standard för vad vi kan göra globalt med utvecklingen av AI. Det hĂ€r kommer att underlĂ€tta utvecklingen av AI inte bara inom sjukvĂ„rden utan inom alla branscher som behöver utveckla robusta modeller utan att ge avkall pĂ„ den personliga integriteten, sĂ€ger Mona G Flores, chef för Medical AI at Nvidia och en av forskarna bakom Exam, i ett pressmeddelande.

Att ta data frÄn mÄnga olika sjukhus gör ocksÄ att AI:n blir mer robust.

– Normalt nĂ€r vi utvecklar en AI sĂ„ anvĂ€nder vi data frĂ„n ett sjukhus för att skapa en algoritm. Men den algoritmen brukar inte fungera sĂ€rskilt bra pĂ„ nĂ„got annat sjukhus. Genom att anvĂ€nda federated learning och ta data frĂ„n sjukhus pĂ„ fem olika kontinenter fĂ„r vi en generell modell som kan anvĂ€ndas av lĂ€kare över hela vĂ€rlden, sĂ€ger Ittai Dayan, forskare pĂ„ Mass General Bingham-sjukhuset i USA dĂ€r Exam utvecklades.

📝 FĂ„ en dos faktabaserad optimism varje vecka.

Bli en del av över 15 000 optimistiska, framtidsinriktade prenumeranter som vill att framtiden kommer snabbare.