♻️روشی جدید برای تشخیص #طول #عمر
#Precision #Radiology: #Predicting #longevity using feature #engineering and #deep #learning methods in a #radiomics framework
پژوهشگران دانشگاه آدلاید، دانشگاه کوینزلند، و انستیتو تکنیک های پیشرفته لیسبون در پژوهشی که به تازگی منتشر شده است، دریافتند سیستم های هوش مصنوعی قادرتند طول عمر افراد را با مرور #CTاسکن های #اندام های آنان پیش بینی کنند.
در این پژوهش که بر CTاسکن #سینه 48 بیمار صورت گرفت، سیستم های #هوش #مصنوعی (#AI) بر اساس #الگوریتم های #یادگیری #عمیق توانستند با 69 درصد دقت (همانند پیش بینی های معمول پزشکان) احتمال #مرگ #بیمار را در 5 سال آتی پیش بینی کنند. پژوهشگران نتوانستند مشخص کنند که برنامه های هوش مصنوعی دقیقاً بر اساس بررسی کدام بخش از تصاویر CTاسکن پیش بینی را صورت داده اند، اما پیش بینی ها در بیماری های وخیم مزمن (همچون #آمفیزم و بیماری های #قلبی) دقیق تر بود.
Abstract
#Precision #medicine approaches rely on obtaining precise knowledge of the true state of #health of an individual patient, which results from a combination of their #genetic risks and #environmental exposures. This approach is currently limited by the lack of effective and efficient non-invasive medical tests to define the full range of #phenotypic variation associated with individual #health. Such knowledge is critical for improved early intervention, for better #treatment #decisions, and for ameliorating the steadily worsening epidemic of chronic disease. We present proof-of-concept experiments to demonstrate how routinely acquired #cross-sectional #CT #imaging may be used to predict patient #longevity as a proxy for overall individual health and disease status using #computer image analysis techniques. Despite the limitations of a modest dataset and the use of off-the-shelf machine learning methods, our results are comparable to previous ‘manual’ clinical methods for longevity prediction. This work demonstrates that #radiomics techniques can be used to extract #biomarkers relevant to one of the most widely used outcomes in #epidemiological and #clinical research – #mortality, and that #deep #learning with convolutional #neural #networks can be usefully applied to radiomics research. Computer image analysis applied to routinely collected medical images offers substantial potential to enhance #precision #medicine initiatives.
لینک منبع 👇🏻(further reading)👇🏻
https://www.nature.com/articles/s41598-017-01931-w
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
#Precision #Radiology: #Predicting #longevity using feature #engineering and #deep #learning methods in a #radiomics framework
پژوهشگران دانشگاه آدلاید، دانشگاه کوینزلند، و انستیتو تکنیک های پیشرفته لیسبون در پژوهشی که به تازگی منتشر شده است، دریافتند سیستم های هوش مصنوعی قادرتند طول عمر افراد را با مرور #CTاسکن های #اندام های آنان پیش بینی کنند.
در این پژوهش که بر CTاسکن #سینه 48 بیمار صورت گرفت، سیستم های #هوش #مصنوعی (#AI) بر اساس #الگوریتم های #یادگیری #عمیق توانستند با 69 درصد دقت (همانند پیش بینی های معمول پزشکان) احتمال #مرگ #بیمار را در 5 سال آتی پیش بینی کنند. پژوهشگران نتوانستند مشخص کنند که برنامه های هوش مصنوعی دقیقاً بر اساس بررسی کدام بخش از تصاویر CTاسکن پیش بینی را صورت داده اند، اما پیش بینی ها در بیماری های وخیم مزمن (همچون #آمفیزم و بیماری های #قلبی) دقیق تر بود.
Abstract
#Precision #medicine approaches rely on obtaining precise knowledge of the true state of #health of an individual patient, which results from a combination of their #genetic risks and #environmental exposures. This approach is currently limited by the lack of effective and efficient non-invasive medical tests to define the full range of #phenotypic variation associated with individual #health. Such knowledge is critical for improved early intervention, for better #treatment #decisions, and for ameliorating the steadily worsening epidemic of chronic disease. We present proof-of-concept experiments to demonstrate how routinely acquired #cross-sectional #CT #imaging may be used to predict patient #longevity as a proxy for overall individual health and disease status using #computer image analysis techniques. Despite the limitations of a modest dataset and the use of off-the-shelf machine learning methods, our results are comparable to previous ‘manual’ clinical methods for longevity prediction. This work demonstrates that #radiomics techniques can be used to extract #biomarkers relevant to one of the most widely used outcomes in #epidemiological and #clinical research – #mortality, and that #deep #learning with convolutional #neural #networks can be usefully applied to radiomics research. Computer image analysis applied to routinely collected medical images offers substantial potential to enhance #precision #medicine initiatives.
لینک منبع 👇🏻(further reading)👇🏻
https://www.nature.com/articles/s41598-017-01931-w
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
Nature
Precision Radiology: Predicting longevity using feature engineering and deep learning methods in a radiomics framework
Scientific Reports - Precision Radiology: Predicting longevity using feature engineering and deep learning methods in a radiomics framework
♻️مواردی که به اشتباه #تصلب_چندگانه تشخیص داده می شوند.
Common #Clinical and #Imaging Conditions #Misdiagnosed as #Multiple #Sclerosis: A Current Approach to the #Differential #Diagnosis of Multiple Sclerosis
پژوهشگران نورولوژی دانشگاه استانبول 🇹🇷، در گزارشی که به تازگی منتشر شده است، به بررسی اشتباهات تشخیصی نوزولوژیکی پرداخته اند که طی آن متخصصان به اشتباه برای افراد تشخیص MS می گذارند.
یافته ها در این زمینه حاکی از آنند که:
1️⃣میزان #شیوع و #نرخ #بروز #مالتیپل_اسکلروسیس در جوامع انسانی افزایش یافته است؛ به همین نسبت هم موارد اشتباهی تشخیص #MS زیادند. بخش مهمی از این امر به دلیل اشتباه در تفسیر یافته های #نامتمایز #بالینی و #تصویربرداری و کاربرد نادرست ضوابط تشخیصی MS است.
2️⃣ طیف تشخیصی #مالتیپل_اسکلروسیز و بیماری های وابسته شامل #فنوتیپ های تحت بالینی و بالینی MS، گونه های مختلف MS و آسیبهای #التهابی #آستروسیت ها، و سایر سندرم های #آتیپیک التهابی-میلین زدایی مرتبط با #آنتی_بادی هستند. تشخیص #افتراقی MS شامل جداسازی آن از این اختلالات و سایر بیماری هایی است که می توانند علایم MS را ایجاد کنند.
3️⃣چندین #بیماری #سیستمی هستند که در آنها یافته های بالینی و/یا #MRI ممکن است شبیه MS باشند، اما در بیشتر اوقات، یک ارزیابی و بررسی دقیق #تاریخچه زندگی و #معاینات جسمانی می تواند #علایم و #نشانه های مرضی آن بیماری سیستمی را مشخص ساخته و تشخیص های #آزمایشگاهی مناسب و کالیبره تایید بیماری غیر MS را خواهند داد.
4️⃣چون ناهنجاری های نامشخص #ماده_سفید و آسیب های نامشخص MS در MRI مغز و سایر یافته های تصویربرداری ممکن است در افراد مبتلا به MS نیز دیده شوند، لازم است #نورولوژیست ها از تمامی احتمالات ممکن در حوزه تشخیص افتراقی آگاه بوده و قادر به تفسیر و شناسایی درست یافته های MRI مستقل از گزارش های #رادیولوژی باشند!
5️⃣ در حال حاضر بهترین و درست ترین روش برای تشخیص MS، سیستم سنتی ارزیابی تاریخچه مشروح و کامل بیماری، معاینه کامل #نورولوژیک، و بررسی مایع #مغزی_نخاعی است. MRI فقط یکی از ابزارهای تشخیصی در معاینه نورولوژیک بوده و فقط نقش تاییدی دارد و لازم است نورولوژیست دچار این اشتباه نشود که MRI را مبنای تشخیص قرار دهد!
EY POINTS
🔑The #incidence and #prevalence #rates of multiple sclerosis (#MS) are increasing; so are the number of #misdiagnosed cases as MS. One major source of misdiagnosis is #misinterpretation of nonspecific #clinical and #imaging findings and #misapplication of MS #diagnostic #criteria resulting in an #overdiagnosis of MS!
🔑The diagnostic #spectrum of MS and related disorders includes the MS #subclinical and #clinical #phenotypes, MS variants and #inflammatory #astrocytopathies, and other #antibody-associated #atypical inflammatory-demyelinating #syndromes. The #differential #diagnosis of MS includes these disorders as well as some other diseases #mimicking MS.
🔑There are several #systemic diseases in which either the clinical or MRI or both findings may mimic MS; however, in most, a well-taken #history and a through #physical #examination will reveal the #symptoms and #signs of the systemic disease and appropriate #laboratory workup will confirm the non-MS diagnosis.
🔑Because nonspecific white matter abnormalities on brain MRI and other imaging findings that may mimic MS, as well as MS-nonspecific lesions, may be seen in people with MS, #neurologists should be aware of all possibilities and they should be able to interpret the MRI findings independent of the #radiology reports!
🔑Currently, the old school of taking a detailed history, a thorough #neurologic examination, and a #cerebrospinal #fluid study are essential for the MS diagnosis. MRI is one other tool that is most often #confirmatory, but may cause confusion at times too, necessitating a “think twice” approach before reaching a final diagnosis.
لینک منبع پیشنهادی برای مطالعه بیشتر 👇🏻(further reading)👇🏻
https://doi.org/10.1016/j.ncl.2017.08.014
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
Common #Clinical and #Imaging Conditions #Misdiagnosed as #Multiple #Sclerosis: A Current Approach to the #Differential #Diagnosis of Multiple Sclerosis
پژوهشگران نورولوژی دانشگاه استانبول 🇹🇷، در گزارشی که به تازگی منتشر شده است، به بررسی اشتباهات تشخیصی نوزولوژیکی پرداخته اند که طی آن متخصصان به اشتباه برای افراد تشخیص MS می گذارند.
یافته ها در این زمینه حاکی از آنند که:
1️⃣میزان #شیوع و #نرخ #بروز #مالتیپل_اسکلروسیس در جوامع انسانی افزایش یافته است؛ به همین نسبت هم موارد اشتباهی تشخیص #MS زیادند. بخش مهمی از این امر به دلیل اشتباه در تفسیر یافته های #نامتمایز #بالینی و #تصویربرداری و کاربرد نادرست ضوابط تشخیصی MS است.
2️⃣ طیف تشخیصی #مالتیپل_اسکلروسیز و بیماری های وابسته شامل #فنوتیپ های تحت بالینی و بالینی MS، گونه های مختلف MS و آسیبهای #التهابی #آستروسیت ها، و سایر سندرم های #آتیپیک التهابی-میلین زدایی مرتبط با #آنتی_بادی هستند. تشخیص #افتراقی MS شامل جداسازی آن از این اختلالات و سایر بیماری هایی است که می توانند علایم MS را ایجاد کنند.
3️⃣چندین #بیماری #سیستمی هستند که در آنها یافته های بالینی و/یا #MRI ممکن است شبیه MS باشند، اما در بیشتر اوقات، یک ارزیابی و بررسی دقیق #تاریخچه زندگی و #معاینات جسمانی می تواند #علایم و #نشانه های مرضی آن بیماری سیستمی را مشخص ساخته و تشخیص های #آزمایشگاهی مناسب و کالیبره تایید بیماری غیر MS را خواهند داد.
4️⃣چون ناهنجاری های نامشخص #ماده_سفید و آسیب های نامشخص MS در MRI مغز و سایر یافته های تصویربرداری ممکن است در افراد مبتلا به MS نیز دیده شوند، لازم است #نورولوژیست ها از تمامی احتمالات ممکن در حوزه تشخیص افتراقی آگاه بوده و قادر به تفسیر و شناسایی درست یافته های MRI مستقل از گزارش های #رادیولوژی باشند!
5️⃣ در حال حاضر بهترین و درست ترین روش برای تشخیص MS، سیستم سنتی ارزیابی تاریخچه مشروح و کامل بیماری، معاینه کامل #نورولوژیک، و بررسی مایع #مغزی_نخاعی است. MRI فقط یکی از ابزارهای تشخیصی در معاینه نورولوژیک بوده و فقط نقش تاییدی دارد و لازم است نورولوژیست دچار این اشتباه نشود که MRI را مبنای تشخیص قرار دهد!
EY POINTS
🔑The #incidence and #prevalence #rates of multiple sclerosis (#MS) are increasing; so are the number of #misdiagnosed cases as MS. One major source of misdiagnosis is #misinterpretation of nonspecific #clinical and #imaging findings and #misapplication of MS #diagnostic #criteria resulting in an #overdiagnosis of MS!
🔑The diagnostic #spectrum of MS and related disorders includes the MS #subclinical and #clinical #phenotypes, MS variants and #inflammatory #astrocytopathies, and other #antibody-associated #atypical inflammatory-demyelinating #syndromes. The #differential #diagnosis of MS includes these disorders as well as some other diseases #mimicking MS.
🔑There are several #systemic diseases in which either the clinical or MRI or both findings may mimic MS; however, in most, a well-taken #history and a through #physical #examination will reveal the #symptoms and #signs of the systemic disease and appropriate #laboratory workup will confirm the non-MS diagnosis.
🔑Because nonspecific white matter abnormalities on brain MRI and other imaging findings that may mimic MS, as well as MS-nonspecific lesions, may be seen in people with MS, #neurologists should be aware of all possibilities and they should be able to interpret the MRI findings independent of the #radiology reports!
🔑Currently, the old school of taking a detailed history, a thorough #neurologic examination, and a #cerebrospinal #fluid study are essential for the MS diagnosis. MRI is one other tool that is most often #confirmatory, but may cause confusion at times too, necessitating a “think twice” approach before reaching a final diagnosis.
لینک منبع پیشنهادی برای مطالعه بیشتر 👇🏻(further reading)👇🏻
https://doi.org/10.1016/j.ncl.2017.08.014
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani