Chimie

Pneumonie

Pneumonie


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Domaine d'expertise - Médicament

La pneumonie est le terme médical pour la pneumonie. Cela conduit à une inflammation du tissu pulmonaire fonctionnel, qui dans la plupart des cas est déclenchée par une infection bactérienne. La pneumonie est la maladie infectieuse avec le taux de mortalité le plus élevé dans les pays développés. Le traitement est généralement effectué avec des mesures générales pour contrer les symptômes de la maladie et l'administration d'antibiotiques pour contrôler l'infection bactérienne sous-jacente.


PCDD/F et autres micropolluants dans le gaz brut MSWI et les cendres pendant les processus de démarrage et d'arrêt de l'usine

Les vues d'articles correspondent à la somme conforme à COUNTER des téléchargements d'articles en texte intégral depuis novembre 2008 (à la fois PDF et HTML) dans toutes les institutions et tous les individus. Ces mesures sont régulièrement mises à jour pour refléter l'utilisation au cours des derniers jours.

Les citations sont le nombre d'autres articles citant cet article, calculé par Crossref et mis à jour quotidiennement. Trouvez plus d'informations sur le nombre de citations de Crossref.

L'Altmetric Attention Score est une mesure quantitative de l'attention qu'un article de recherche a reçu en ligne. Cliquer sur l'icône en forme de beignet chargera une page sur altmetric.com avec des détails supplémentaires sur le score et la présence sur les réseaux sociaux pour l'article donné. Trouvez plus d'informations sur le score d'attention Altmetric et comment le score est calculé.


Une nouvelle technologie d'IA protège la confidentialité : un algorithme de diagnostic médical identifie la pneumonie sur les images radiographiques pédiatriques

Les algorithmes d'IA peuvent aider le personnel médical à diagnostiquer les maladies. Or, pour entraîner ces algorithmes, il faut accéder à un bien précieux qui mérite une protection soignée : les données médicales. Une équipe de chercheurs de l'Université technique de Munich (TUM) a développé une technologie qui garantit que les données personnelles des patients sont protégées dans la formation des algorithmes. Il est maintenant utilisé pour la première fois dans un algorithme qui identifie la pneumonie dans les images radiographiques pédiatriques.

La médecine numérique ouvre de toutes nouvelles possibilités. Par exemple, il peut détecter des tumeurs à un stade précoce. Mais l'efficacité des nouveaux algorithmes d'IA dépend de la quantité et de la qualité des données utilisées pour les entraîner.

Pour maximiser le pool de données, il est d'usage de partager les données des patients entre les cliniques en envoyant des copies des bases de données aux cliniques où l'algorithme est formé. À des fins de protection des données, le matériel est généralement soumis à des processus d'anonymisation et de pseudonymisation - une procédure qui a également fait l'objet de critiques. « Ces processus se sont souvent révélés insuffisants en termes de protection des données de santé des patients », explique Daniel Rueckert, professeur Alexander von Humboldt d'intelligence artificielle en santé et médecine à la TUM.

Des algorithmes intelligents aident les médecins

Pour résoudre ce problème, une équipe interdisciplinaire de TUM a travaillé avec des chercheurs de l'Imperial College de Londres et de l'organisation à but non lucratif OpenMined pour développer une combinaison unique de processus de diagnostic basés sur l'IA pour les données d'images radiologiques qui protègent la confidentialité des données. Dans un article publié dans Nature Machine Intelligence, l'équipe a maintenant présenté une application réussie : un algorithme d'apprentissage en profondeur qui aide à classer les conditions de pneumonie dans les radiographies des enfants.

« Nous avons testé nos modèles contre des radiologues spécialisés. Dans certains cas, les modèles ont montré une précision comparable ou meilleure dans le diagnostic de divers types de pneumonie chez les enfants », explique le professeur Marcus R. Makowski, directeur du département de radiologie diagnostique et interventionnelle à la Klinikum rechts der Isar de TUM.

«Pour assurer la sécurité des données des patients, elles ne doivent jamais quitter la clinique où elles sont collectées», explique le chef de projet et premier auteur Georgios Kaissis de l'Institut TUM d'informatique médicale, de statistiques et d'épidémiologie. « Pour notre algorithme, nous avons utilisé un apprentissage fédéré, dans lequel l'algorithme d'apprentissage en profondeur est partagé - et non les données. Nos modèles ont été entraînés dans les différents hôpitaux à l'aide des données locales puis nous sont retournés. Ainsi, les propriétaires de données n'ont pas eu à partager leurs données et ont conservé un contrôle total », explique le premier auteur Alexander Ziller, chercheur à l'Institut de radiologie.

Les données ne peuvent pas être retracées jusqu'aux individus

Pour empêcher l'identification des institutions où l'algorithme a été formé, l'équipe a appliqué une autre technique : l'agrégation sécurisée. « Nous avons combiné les algorithmes sous forme cryptée et ne les avons décryptés qu'après avoir été formés avec les données de toutes les institutions participantes », explique Kaissis. Et pour garantir une « vie privée différentielle » - c'est-à-dire pour empêcher que les données individuelles des patients ne soient filtrées des enregistrements de données - les chercheurs ont utilisé une troisième technique lors de la formation de l'algorithme. «En fin de compte, des corrélations statistiques peuvent être extraites des enregistrements de données, mais pas les contributions des personnes individuelles», explique Kaissis.

La toute première combinaison de méthodes de protection de la vie privée

«Nos méthodes ont été appliquées dans d'autres études», explique Daniel Rueckert. « Mais nous n'avons pas encore vu d'études à grande échelle utilisant des données cliniques réelles. Grâce au développement ciblé de technologies et à la coopération entre spécialistes en informatique et en radiologie, nous avons réussi à former des modèles qui fournissent des résultats précis tout en respectant des normes élevées de protection des données et de la vie privée. »

Rickmer Braren, directeur adjoint du département de radiologie diagnostique et interventionnelle, note : « On prétend souvent que la protection des données et l'utilisation des données doivent toujours être en conflit. Mais nous prouvons maintenant que cela n'a pas à être vrai. » Les scientifiques ajoutent que leur méthode peut être appliquée à d'autres données médicales, et pas seulement aux rayons X. Par exemple la parole et le texte.

La protection des données ouvre un énorme potentiel pour la médecine numérique

La combinaison des derniers processus de protection des données facilitera également la coopération entre les institutions, comme l'a montré l'équipe dans un article publié dans Nature Machine Intelligence en 2020. Leur méthode d'IA préservant la confidentialité peut surmonter les obstacles éthiques, juridiques et politiques - ouvrant ainsi la voie à l'utilisation généralisée de l'IA, dit Braren. Et cela est extrêmement important pour la recherche sur les maladies rares.

Les scientifiques sont convaincus que leur technologie, en sauvegardant la sphère privée des patients, peut apporter une contribution importante à l'avancement de la médecine numérique. « Pour former de bons algorithmes d'IA, nous avons besoin de bonnes données », explique Kaissis. « Et nous ne pouvons obtenir ces données qu'en protégeant correctement la vie privée des patients », ajoute Rueckert. "Cela montre qu'avec la protection des données, nous pouvons faire beaucoup plus pour l'avancement des connaissances que beaucoup de gens ne le pensent."

Avec la nomination en 2020 du professeur Alexander von Humboldt Daniel Rueckert et du nouveau directeur du département de radiologie diagnostique et interventionnelle le professeur Marcus R. Makowski, TUM a renforcé de manière décisive ses activités de recherche en IA et ses applications en radiologie.


Vidéo: Keuhkokuume vs. Keuhkoputkentulehdus. Antibioottiresistenssi (Juillet 2022).


Commentaires:

  1. Bradburn

    Je ne vois pas l'intérêt.

  2. Clayburn

    Bien sûr, vous avez raison. Dans ce quelque chose est je pense que c'est une excellente pensée.

  3. Tiarchnach

    Excuse pour cela j'interfère ... Je comprends cette question. J'invite à la discussion. Écrivez ici ou dans PM.

  4. Narain

    Entre nous parlant, à mon avis, c'est évident. Je vous recommande de chercher la réponse à votre question sur google.com

  5. Wisnu

    A noter, la phrase très drôle

  6. Bogdan

    Aussi que nous ferions sans votre excellente idée

  7. Jacan

    Je pense que tu as tort. Entrez, nous discuterons. Écrivez-moi dans PM.



Écrire un message