מודל מונחה נתונים קליני המשלב XGBoost ו-LSTM משפר את השיקום הביתי ל-COPD, ומשפר את דיוק הנתונים והחיזוי. הוא משיג דיוק של 98% ושיפור של 42.5% במדדים, תוך התייחסות למגבלות של טיפול מסורתי מבוסס בית חולים.
הרשמה ל-JoVE נדרשת לצפייה בתוכן זה. התחברו או התחילו בגרסת ניסיון בחינם.
מאמר מחקר
מודל מונחה נתונים קליני המשלב XGBoost ו-LSTM משפר את השיקום הביתי ל-COPD, ומשפר את דיוק הנתונים והחיזוי. הוא משיג דיוק של 98% ושיפור של 42.5% במדדים, תוך התייחסות למגבלות של טיפול מסורתי מבוסס בית חולים.
לטיפול שיקומי מסורתי בבית החולים למחלת ריאות חסימתית כרונית (COPD) יש בעיות כמו מחסור במשאבים, עלות גבוהה ותחבורה לא נוחה. כדי לשפר את הנוחות של טיפול שיקומי ב-COPD, מוצע מודל אבחון וטיפול חכם מונחה נתונים קליניים לניהול שיקום ביתי של COPD. מודל האבחון והטיפול החכם לשיקום ביתי של COPD מותאם על ידי שילוב של אלגוריתם XGBoost ורשת הזיכרון לטווח קצר ארוך. התוצאות מצביעות על כך שלאלגוריתם XGBoost יש את הדיוק הגבוה ביותר בעיבוד נתונים מובנים קליניים, בעוד שלאלגוריתם היער האקראי (RF) יש את הדיוק הנמוך ביותר בעיבוד נתונים מובנים קליניים. כאשר כמות דגימות האימון היא 300, שיעורי הדיוק הם 98% ו-83%, בהתאמה. השילוב של אלגוריתם XGBoost ורשת הזיכרון לטווח קצר משמש לעיבוד מחווני הניטור, וכתוצאה מכך שיעור השיפור הגבוה ביותר והשגיאה הריבועית הממוצעת הקטנה ביותר. כאשר גודל המדגם הוא 1000, שיעור השיפור של מדדי הניטור הוא 42.5%, והשגיאה הריבועית הממוצעת היא 0.041. השיטה המוצעת במחקר יכולה לעבד ביעילות נתונים קליניים, לשפר את דיוק עיבוד הנתונים ולחזות במדויק שינויים עתידיים ב-COPD.
COPD היא מחלה כרונית שכיחה עם שיעורי נכות ותמותה גבוהים, המשפיעה באופן משמעותי על רמת החיים של החולים. למודל ניהול השיקום המסורתי יש בעיות כמו פיגור במידע והתערבות בטרם עת בהתמודדות עם COPD. עם זאת, עם התקדמות הטכנולוגיה, כמה טכנולוגיות מתפתחות, כגון אלגוריתם Extreme Gradient Boosting (XGBoost), הביאו אפשרויות חדשות לניהול COPD1. בעוד ש-XGBoost הוכיח ישימות בהקשרים שונים של ניטור בריאות, כולל ברפואת ספורט, מחקר זה ממנף במיוחד את נקודות החוזק שלו לניהול COPD במסגרת שיקום ביתי. ההתמקדות נותרה בשיפור דיוק החיזוי והטיפול המותאם אישית לחולי COPD באמצעות נתוני ניטור קליניים ומרחוק2. לדוגמה, על....
הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.
מחקר זה נבדק ואושר על ידי ועדת האתיקה של בית החולים לסרטן טאי-ג'ואו. הסכמה מדעת בכתב התקבלה מכל המשתתפים לפני איסוף הנתונים, בהתאם לסטנדרטים אתיים מוסדיים ולאומיים. הריאגנטים והתוכנה המשמשת מפורטים בטבלת החומרים.
1. סקירה כללית של זרימת העבודה
זרימת העבודה מקצה לקצה לעיבוד נתונים קליניים מובנים עם XGBoost מוצגת באיור 1 וכוללת בליעת תכונות, בניית עצים, עדכונים שיוריים, רגולציה והערכה. זרימת העבודה של העיבוד המקדים ומידול הרצף עבור נתוני ניטור מרחוק עם LSTM מוצגת באיור 2, הכוללת דגימה מחדש של 10 דקות, טיפול בפער, חלונות לא ח....
הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.
יציבות בגודל המדגם וביצועים מיטביים
כדי להדגים במפורש את סף היציבות, אנו מציגים תחילה את טבלה 1, ואחריה עקומות למידה באיור 3 ובאיור 4. טבלה 1 מדווחת על ממוצע ± SD של דיוק, AUC ו-MSE על פני גדלי אימון הולכים וגדלים עבור מסווג XGBoost על נתונים מובנים ועבור LSTM על סדרות זמן מרובות משתנים. כפי שמוצג באיור 3, ביצועי XGBoost היו לא יציבים מתחת ל-200 דגימות (שונות גב.......
הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.
סיכום הממצאים העיקריים
COPD מטיל נטל קליני וחברתי משמעותי באמצעות נשימה לקויה, ניידות מופחתת והחמרות חריפות חוזרות ונשנות10. מינוף ניטור ביתי רציף עם ניתוח הניתן להסבר יכול להפחית את הנטל הזה על ידי מתן אפשרות לזיהוי מוקדם יותר והתערבות ממוקדת. במחקר זה, זרימת עבודה היברידית המשלבת XGBoost עבור משתנים קליניים מובנים ו-LSTM עבור אותות סדרות זמן מרובות משתנים השיגה ביצועים חזקים באופן עקבי, עם יציבות שהושגה ב-≥300 דגימות אימון והתכנסות אופטימלית .......
הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.
למחברים אין מה לחשוף.
| שם | חברה | מספר קטלוג | הערות |
|---|---|---|---|
| CUDA | NVIDIA | 11.6 | פלטפורמת מחשוב מקבילה ומודל תכנות המשמשים להאצת חישובים במעבדים גרפיים. |
| cuDNN | NVIDIA | 8.2 | ספרייה מואצת GPU עבור רשתות עצביות עמוקות כדי לייעל את ביצועי אימון המודל. |
| מכונת א.ק.ג | פיליפס | כותב עמודים TC70 | משמש לאימות מדידות דופק מהמכשיר הלביש. |
| מעבד גרפי | NVIDIA | RTX 3080 | GPU בעל ביצועים גבוהים המשמש להאצת אימון מודלים על מערכי נתונים גדולים. |
| דגם LSTM | - | - | רשת עצבית של זיכרון לטווח קצר ארוך המשמשת לעיבוד נתונים בסדרות זמן. |
| אוקסימטר דופק | מאסימו | רד-97 | משמש למדידת ריווי החמצן בדם (SpO2) ולאמת את הדיוק של המכשיר הלביש. |
| פיתון | קרן התוכנה של פייתון | 3.10.6 | שפת תכנות המשמשת לעיבוד נתונים, אימון מודלים והערכה. |
| TensorFlow | גוגל | 2.13 | ספריית תוכנה המשמשת לאימון מודל LSTM וביצוע חישובי רשת עצבית. |
| מעקב אחר פעילות לבישה | פיטביט | אישום 5 | משמש למעקב אחר צעדים ורמות פעילות גופנית. |
| XGBoost | - | - | ספריית תוכנה המשמשת להגברת שיפוע (למידת מכונה). |
הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.