NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Arka plan ve motivasyon: Parkinson hastalığı (PD), tedavi edilmesi en ciddi, tedavi edilemez ve pahalı olanlardan biridir. Son zamanlarda, makine öğreniminin (ML) PD hastalarında kardiyovasküler / inme riskini tahmin edebildiği gösterilmiştir. COVID-19'un varlığı, ML sistemlerinin ciddi şekilde doğrusal olmayan hale gelmesine neden olur ve kardiyovasküler / inme risk katmanlaşmasında zorluklar yaratır. Dahası, komorbidite, örnek boyut kısıtlamaları ve zayıf bilimsel ve klinik doğrulama teknikleri nedeniyle, iyi açıklanmış ML paradigmaları olmamıştır. Derin sinir ağları, doğrusal olmayan koşulları genelleştiren güçlü öğrenme makineleridir. Bu çalışma, COVID-19 çerçevesinden etkilenen PD hastalarında CVD/stroke risk tahmini için derin öğrenme (DL) çözümlerinin yeni bir araştırmasını sunmaktadır. Yöntem: PRISMA arama stratejisi, PD'nin COVID-19 çerçevesinde CVD riskine etkisi ile yakından ilişkili 292 çalışmanın seçimi için kullanılmıştır. COVID-19 varlığındaki PD'nin, COVID-19 olmayan koşullardan daha fazla kalbe ve beyne zarar verebileceği hipotezini inceliyoruz. COVID-19 akciğer hasarı şiddeti, DL eğitim modeli tasarımları sırasında bir kovaryat olarak kullanılabilir. Bu nedenle, bilgisayarlı tomografi (CT) taramalarında (ii) COVID-19 lezyonlarının tahmini ve (ii) PD, COVID-19 lezyonlarının, ofis ve laboratuvar arteriyel aterosklerotik görüntü tabanlı biyobelirteçlerin kovaryatlarının birleştirilmesi ve CVD / strok risk tabakalaması için DL nokta tabanlı modellerin tasarımı için PD hastaları için ilaç kullanımı için bir DL modeli önermektedir. Bulgular: PD hastalarında CVD/stroke risk tabakalaşmasının uygulanabilirliğini COVID-19 ortamının varlığında doğruladık ve bu da doğrulandı. Uzun kısa süreli bellek (LSTM) ve tekrarlayan sinir ağı (RNN) gibi DL mimarileri, güçlü tasarımlar gösteren CVD/stroke risk tabakalaması için çalışılmıştır. Son olarak, yapay zeka yanlılığını inceledik ve COVID-19 varlığında PD hastalarında CVD/stroke erken tespiti için önerilerde bulunduk. Sonuç: DL, COVID-19'dan etkilenen PD hastalarında CVD/stroke riskini tahmin etmek için çok güçlü bir araçtır.
Özgün kaynak özetini okuyun
Background and Motivation: Parkinson's disease (PD) is one of the most serious, non-curable, and expensive to treat. Recently, machine learning (ML) has shown to be able to predict cardiovascular/stroke risk in PD patients. The presence of COVID-19 causes the ML systems to become severely non-linear and poses challenges in cardiovascular/stroke risk stratification. Further, due to comorbidity, sample size constraints, and poor scientific and clinical validation techniques, there have been no well-explained ML paradigms. Deep neural networks are powerful learning machines that generalize non-linear conditions. This study presents a novel investigation of deep learning (DL) solutions for CVD/stroke risk prediction in PD patients affected by the COVID-19 framework. Method: The PRISMA search strategy was used for the selection of 292 studies closely associated with the effect of PD on CVD risk in the COVID-19 framework. We study the hypothesis that PD in the presence of COVID-19 can cause more harm to the heart and brain than in non-COVID-19 conditions. COVID-19 lung damage severity can be used as a covariate during DL training model designs. We, therefore, propose a DL model for the estimation of, (i) COVID-19 lesions in computed tomography (CT) scans and (ii) combining the covariates of PD, COVID-19 lesions, office and laboratory arterial atherosclerotic image-based biomarkers, and medicine usage for the PD patients for the design of DL point-based models for CVD/stroke risk stratification. Results: We validated the feasibility of CVD/stroke risk stratification in PD patients in the presence of a COVID-19 environment and this was also verified. DL architectures like long short-term memory (LSTM), and recurrent neural network (RNN) were studied for CVD/stroke risk stratification showing powerful designs. Lastly, we examined the artificial intelligence bias and provided recommendations for early detection of CVD/stroke in PD patients in the presence of COVID-19. Conclusion: The DL is a very powerful tool for predicting CVD/stroke risk in PD patients affected by COVID-19.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.