1.  
2. Evénements 

---

ANNULE - Apprentissage automatique dans le système d'aide à la décision clinique pour la médecine

à 18 KM
Uni.lu Suivre

• Conférence
• Technologie santé
• Santé

Cette conférence fait partie de la série de conférences AI4Health organisée par le Département d'informatique et le Département des sciences de la vie et de la médecine de l'Université du Luxembourg.

Abstrait
La médecine de laboratoire est essentielle pour le diagnostic, la thérapie et la prise en charge des patients. L'examen et l'interprétation opportuns et appropriés des résultats de laboratoire sont essentiels, par exemple, pour revoir le choix du traitement ou pour répondre rapidement à des changements soudains de l'état du patient. Les diagnostics de laboratoire, en général, fournissent des informations pertinentes et de haute qualité sur l'état du patient. Les systèmes d'aide à la décision clinique (CDSS) aident à la collecte numérique de grandes quantités de ces informations, à leur livraison automatisée au personnel médical approprié et à l'élaboration de méthodes de traitement. Cela permet d'éviter les erreurs médicales dues à des erreurs ou des interprétations erronées. L'objectif du projet AMPEL à l'hôpital universitaire de Leipzig est de mettre en œuvre et d'évaluer un CDSS pour le diagnostic en laboratoire.
Au cœur du système se trouve la conversion des résultats de laboratoire en informations plus condensées, permettant un traitement meilleur et plus rapide. À partir des données disponibles pour ce système, les méthodes d'apprentissage automatique peuvent déduire les états critiques des patients, les biomarqueurs difficiles ou coûteux à collecter, ou les diagnostics médicaux de cas similaires dans le passé. Le personnel médical peut alors être automatiquement alerté des constellations critiques de biomarqueurs qui nécessitent une intervention médicale, des analyses coûteuses et chronophages peuvent être effectuées de manière plus ciblée, et des diagnostics de maladies rares peuvent être proposés qui auraient autrement pu être ignorés.
Un système transparent d'apprentissage automatique a été développé qui peut prédire les diagnostics avec une grande précision et un rappel. Les modèles générés sont validés par des spécialistes et vérifiés pour la plausibilité médicale. Cela garantit que les tests des modèles sont représentatifs et orientés vers la pratique. Une connexion à la base de données productive des patients de l'hôpital universitaire de Leipzig permet l'adaptation réactive des modèles aux changements spécifiques de la population locale de patients.
L'état actuel du projet AMPEL est présenté. Les méthodes utilisées et les problèmes résultant de leur application à certains ensembles de données sont décrits à l'aide d'un cas exemplaire. Les méthodes d'analyse des résultats, ainsi que les moyens d'améliorer le système et d'étendre son applicabilité à l'avenir, sont décrits.

Orateur
Le Dr Mark Wernsdorfer a étudié la philosophie et l'informatique à l'Université de Bamberg. Après ses études, il a fait son doctorat à la chaire Cognitive Systems sur la question de la conscience dans les systèmes artificiels. Il a ensuite fourni un soutien technique au Centre for Heritage Conservation Studies and Technologies. Il est associé de recherche au projet AMPEL du laboratoire de médecine de l'hôpital universitaire de Leipzig depuis octobre 2019. Le projet soutient le traitement des médecins en enregistrant automatiquement les valeurs de laboratoire des patients, en les reconnaissant comme critiques et, si nécessaire, en les signalant au personnel médical. . Ses intérêts de recherche incluent la philosophie de l'esprit et l'intelligence artificielle. À l'intersection des deux, il s'intéresse particulièrement aux prérequis structurels qu'un système doit avoir pour être considéré comme intelligent, ainsi qu'aux prérequis externes associés qu'il doit avoir pour être perçu comme conscient par les autres.