На информационном ресурсе применяются рекомендательные технологии (информационные технологии предоставления информации на основе сбора, систематизации и анализа сведений, относящихся к предпочтениям пользователей сети "Интернет", находящихся на территории Российской Федерации)

Газета.ру

8 727 подписчиков

Свежие комментарии

  • Traveller
    "Помнить ДОЛЖЕН! Но не помню" (с) "С лёгким паром"Аль-Ануни: проход...
  • Алекс Архипов
    Доложили: ...всё хорошо, Прекрасная Маркиза, всё хорошо.МО: Белоусов засл...
  • Николай Герасименко
    Шароварники и Юбилейный День Победы в 2025 году грозились сорвать, ничего у них не получилось...Журавлев: ВСУ нам...

AJP: ИИ научили прогнозировать эффективность лечения антидепрессантами

Ученые из медицинского центра Амстердамского университета научили искусственный интеллект прогнозировать эффективность лечения антидепрессантом Сертралином. Результаты опубликованы в American Journal of Psychiatry (AJP).

В рамках предыдущего исследования ученых из США, 229 пациентам с депрессией была проведена магнитно-резонансная томография для оценки эффективности лечения лечения препаратом Сертралином или плацебо.

Голландские ученые структурировали полученные данные и разработали новые алгоритмы машинного обучения, способные спрогнозировать ход лечения антидепрессантами.

Машинное обучение - это способ обучать компьютеры без программирования и явных инструкций, используя только шаблоны и логические выводы.

Исследователи объяснили, что эффективность различных препаратов для лечения депрессии (в том числе Сертралина) можно оценить только через шесть-восемь недель приема. Если симптомы не проходят, пациенту назначают другой антидепрессант. Этот процесс может повторяться несколько раз и занимать месяцы. Новая технология позволит сохранить психическое здоровье пациентов и избежать растрат времени на лечение, которое не принесет пользы.

Тестирование новой модели ИИ показало, что двум третям людей, страдающим депрессией, вероятнее всего не подойдет Сертралин. Сейчас исследователи планируют начать работу над адаптацией алгоритмов к индивидуальным потребностям пациентов.

 

Ссылка на первоисточник
наверх