Predpovedanie, či profesionálne testy COVID-19 určite prestanú fungovať alebo budú dobré

Nová metóda predpovedá, či klinické štúdie COVID-19 budú neúspešné alebo úspešné

Aby sme zvíťazili v boji proti COVID-19, sú rýchlo potrebné výskumné štúdie zamerané na stanovenie očkovania, liekov, nástrojov ako aj opätovne určených liekov. Randomizované profesionálne testy sa používajú na preukázanie bezpečnosti a účinnosti spolu s oveľa lepším rozpoznaním tejto jedinečnej aj vyvíjajúcej sa infekcie. K 15. júlu bolo skutočne zaregistrovaných viac ako 6,180 19 profesionálnych testov COVID-XNUMX s Clinical Trials.gov, celonárodným registrom počítačov, ako aj zdrojom údajov pre nezávislé aj otvorene financované profesionálne výskumné štúdie uskutočňované po celom svete. Vedieť, ktoré z nich budú s najväčšou pravdepodobnosťou robiť dobre, je zásadné.

Vedci z Vysokej školy inžinierstva na Floridskej atlantickej univerzite a tiež z informatiky sú úplne prvými, ktorí zaviedli záver COVID-19 verzus zastavenie v profesionálnych testoch s využitím vzorcov umelej inteligencie a objavovania súborov. Výskumná štúdia zverejnená v roku XNUMX PLoS ONE, ponúka jednu z najvýznamnejších zbierok funkcií pre profesionálne záznamy o testoch, ktorá pozostáva z funkcií navrhovania správy testov, podrobností výskumných štúdií, ako aj rozloženia, kvalifikácie, hľadaných fráz, liekov a rôznych ďalších funkcií.

Táto výskumná štúdia ukazuje, že výpočtové techniky môžu poskytnúť spoľahlivé verzie na rozpoznanie rozdielu medzi dokončenými a prerušenými testami COVID-19. Pri vylepšení môžu tieto verzie taktiež predpovedať testovanie státia COVID-19 s prijateľnou presnosťou.

Pretože COVID-19 je pomerne jedinečné ochorenie, bolo skutočne oficiálne ukončených niekoľko testov. Vedci preto pre výskumnú štúdiu mysleli na 3 druhy testov ako na testy zastavenia: ukončené, vyňaté a pozastavené. Tieto testy znamenajú iniciatívy výskumných štúdií, ktoré boli skutočne zastavené / zastavené pre konkrétne faktory, ako aj iniciatívy výskumných štúdií a zdroje, ktoré neboli účinné.

„Hlavným účelom nášho výskumu bolo predpovedať, či bude klinické skúšanie COVID-19 dokončené alebo ukončené, stiahnuté alebo pozastavené. Klinické skúšky zahŕňajú veľa prostriedkov a času vrátane plánovania a náboru ľudských subjektov, “uviedol Xingquan 'Hill' Zhu, Ph. D., starší autor a učiteľ na katedre počítačov, elektrotechniky a počítačov. Science, ktorá uskutočnila výskumnú štúdiu s úplne prvou spisovateľkou Magdalyn „Maggie“ Elkin, študentkou druhého ročníka Ph.D v odbore výpočtovej techniky, ktorá rovnako funguje natrvalo. „Ak dokážeme predpovedať pravdepodobnosť, či bude možné pokus ukončiť alebo nie, pomôže to zúčastneným stranám lepšie plánovať ich zdroje a postupy. Takéto výpočtové prístupy môžu nakoniec pomôcť našej spoločnosti ušetriť čas a zdroje na boj proti globálnej pandémii COVID-19. “

Pre účely výskumnej štúdie Zhu rovnako ako Elkin zhromaždili 4,441 19 testov COVID-4 z Clinical Trials.gov, aby vytvorili testovacie lôžko. Vytvorili 693 druhy funkcií (dátové funkcie, funkcie kľúčových slov, funkcie liekov a funkcie vkladania) na identifikáciu profesionálneho riadenia testov, kvalifikácie, podrobností výskumných štúdií, štandardov, druhov liekov, hľadaných fráz pri hľadaní výskumných štúdií spolu s funkciami vkladania všeobecne vytváranými. použitie v pokročilej umelej inteligencii. Celkovo bolo pre každý profesionálny test vyrobených 4 rozmerových funkcií. Pre kontrastné ciele vedci využili XNUMX verzie: Neural Network; Náhodný les; XGBoost; ako aj logistická regresia.

Možnosť funkcie a pozícia odhalili, že funkcie kľúčových slov pochádzajúce z MeSH (nadpisy klinických subjektov), ​​pokiaľ ide o záznamy profesionálnych testov, boli jednou z najužitočnejších pre prognózu testu COVID-19, čo bolo v súlade s funkciami liekov, dátovými funkciami ako funkcie vkladania. Aj keď funkcie liekov, ako aj hľadané frázy výskumných štúdií boli jednou z najužitočnejších funkcií, pre presnú predpoveď testu sú rozhodujúce všetky 4 druhy funkcií.

Použitím objavovania a ochutnávania súborov dosiahla verzia použitá v tejto výskumnej štúdii viac ako 0.87 polôh pod obrysovými (AUC) hodnotami, ako aj viac ako 0.81 vyváženej presnosti predpovedí, čo ukazuje vysokú účinnosť využitia výpočtových techník pre predpoveď profesionálnych testov COVID-19. Výsledky tiež odhalili solitérne verzie s vyváženou presnosťou až 70 percent a skóre F1 50.49 percenta, čo naznačuje, že pri určovaní polohy výskumných štúdií alebo chorôb je najlepšie modelovať profesionálne testy.

„Klinické skúšky, ktoré sa z rôznych dôvodov zastavili, sú nákladné a často predstavujú obrovskú stratu zdrojov. Pretože budúce ohniská epidémie COVID-19 sú pravdepodobné aj po poklese súčasnej pandémie, je nevyhnutné optimalizovať efektívne výskumné úsilie, “uviedla Stella Batalama, PhD., Dekanka, Vysoká škola inžinierstva a tiež„ Počítačové učenie a riadenie pomocou AI “. pre aplikácie zdravotnej starostlivosti COVID-19 boli vyvinuté výpočtové prístupy a techniky hlbokého učenia boli aplikované na lekárske spracovanie obrazu s cieľom predpovedať ohnisko, sledovať šírenie vírusu a diagnostikovať a liečiť COVID-19. Nový prístup vyvinutý profesorom Zhu a Elkinom pomôže navrhnúť výpočtové prístupy na predpovedanie toho, či bude alebo nebude dokončená klinická štúdia COVID-19, aby zúčastnené strany mohli využiť predpovede na plánovanie zdrojov, zníženie nákladov a minimalizáciu času klinická štúdia. “.

Detonic