Bättre diagnoser och prognoser med hjälp av maskininlärning

Inom vården måste en mängd beslut tas – beslut som är baserade på olika analyser.

Bättre diagnoser och prognoser med hjälp av maskininlärning 1Ett sätt att underlätta beslutsfattandet är att ta hjälp av maskininlärning. Ny forskning vid BTH visar att vi med hjälp av maskininlärning kan ställa bättre diagnoser avseende åldersbedömning och bättre prognoser kring utvecklingen av demens.

Ana Luiza Moraes har i sin forskning i tillämpad hälsoteknik studerat hur maskininlärning kan lösa praktiska sjukvårdsproblem. Ett område som hon har studerat är diagnos – i detta fall bedömning av ålder hos unga människor genom undersökning av lederna. Hon har jämfört med vilken säkerhet datoriserade metoder kan ställa diagnos. Hon fann att vi tack vare maskininlärning kan få en automatiserad metod som ger bättre resultat och högre träffsäkerhet, avseende åldersbedömning, jämfört med om radiologer gjort analysen.

Ana Luiza Moraes har även studerat hur maskininlärning kan användas när det gäller demensprognoser. Resultaten av hennes forskning gör att vi kan förstå vilka äldre som är i riskzonen för att få demens och hur prognosen ser ut.

Enligt Ana Luiza Moraes har maskininlärning en fantastisk potential för att angripa verkliga problem i hälsovården, särskilt med den ökande volymen av hälsodata och behovet av att hantera mer komplexa problem, vilket gör manuell kodning opraktiskt, om inte omöjligt.

Disputationen är öppen för allmänheten.

Dag: Onsdag 16 september
Tid: Klockan 13:00-16:00
Plats: Disputationen sker digitalt via Zoom:https://bth.zoom.us/j/3169383210