Introducción

En el campo de la medicina, la inteligencia artificial (IA) se enfoca principalmente en desarrollar algoritmos y tecnologías para determinar si un sistema se está comportando correctamente en el diagnóstico de una enfermedad. Un diagnóstico médico es una enfermedad o condición que explica los signos y síntomas de una persona. Por lo general, la información de diagnóstico se recopila a partir del historial médico y el examen físico del paciente. Como muchas indicaciones y síntomas no están claros, el diagnóstico solo puede ser realizado por profesionales de la salud capacitados, lo que a menudo es difícil. Como resultado, los países que carecen de suficientes profesionales de la salud, como los países en desarrollo como Bangladesh e India, enfrentan dificultades para proporcionar procedimientos de diagnóstico apropiados para la mayor cantidad de pacientes. Además, los procedimientos de diagnóstico a menudo requieren pruebas médicas, que las personas de bajos ingresos a menudo encuentran costosas e inasequibles.

Dado que los seres humanos son propensos a cometer errores, no sorprende que el sobrediagnóstico pueda ocurrir con más frecuencia en los pacientes. El sobrediagnóstico puede crear problemas como un tratamiento innecesario, que puede tener un impacto grave en la salud y las finanzas de una persona. Según un informe de 2015 de las Academias Nacionales de Ciencias, Ingeniería y Medicina, la mayoría de las personas encontrarán un error de diagnóstico al menos una vez en su vida. Hay muchos factores que influyen en el diagnóstico erróneo, incluida la falta de síntomas apropiados, que a menudo son imperceptibles, enfermedades raras y enfermedades que se ignoran erróneamente.

El aprendizaje automático (ML) está en casi todas partes, desde tecnología de punta (por ejemplo, teléfonos móviles, computadoras y robótica) hasta atención médica (es decir, diagnóstico de enfermedades y seguridad). El aprendizaje automático se está volviendo cada vez más popular en varios campos, incluido el diagnóstico de enfermedades en el cuidado de la salud. Muchos investigadores y profesionales demuestran la promesa del diagnóstico de enfermedades basado en el aprendizaje automático (MLBDD), que es económico y ahorra tiempo. Los procesos de diagnóstico tradicionales son costosos, requieren mucho tiempo y, a menudo, requieren intervención humana. Si bien las capacidades del individuo limitan las técnicas de diagnóstico tradicionales, los sistemas basados ​​en ml no tienen tales limitaciones y las máquinas no se agotan de la misma manera que los humanos. Como resultado, se puede desarrollar un método de diagnóstico de enfermedades que excedan el número de pacientes que se presentan inesperadamente en el cuidado de la salud. Los datos médicos como imágenes (p. ej., radiografías, resonancias magnéticas) y datos tabulares (p. ej., el estado, la edad y el sexo del paciente) se utilizan al crear sistemas MLBDD.

Los beneficios de la cistanche para nuestro riñón

El aprendizaje automático (ML) es un subconjunto de la IA que utiliza datos como recurso de entrada. Los resultados obtenidos usando funciones matemáticas predeterminadas (clasificación o regresión) son a menudo difíciles de lograr para los humanos. Por ejemplo, con ML, a menudo es más sencillo localizar células malignas en imágenes microscópicas, lo que suele ser un desafío al observar las imágenes. Además, gracias a los avances en el aprendizaje profundo (una forma de aprendizaje automático), estudios recientes han demostrado que MLBD tiene una precisión de más del 90 por ciento. La enfermedad de Alzheimer, la insuficiencia cardíaca, el cáncer de mama y la neumonía son solo algunas de las enfermedades que el aprendizaje automático puede identificar. La aparición de algoritmos de aprendizaje automático en el campo del diagnóstico de enfermedades ilustra la utilidad de la tecnología en el campo médico.

En los últimos años, los avances en las dificultades del aprendizaje automático en medicina, como el desequilibrio de datos, la interpretación del aprendizaje automático y la ética del aprendizaje automático, son solo algunas de las muchas áreas desafiantes que deben abordarse de manera simple. Este documento proporciona una descripción general de las nuevas aplicaciones del aprendizaje automático y el aprendizaje profundo en el diagnóstico de enfermedades y proporciona una descripción general de los desarrollos en el campo para arrojar luz sobre las tendencias, los enfoques y los problemas actuales del aprendizaje automático en el diagnóstico de enfermedades. Comenzamos con una descripción general de varios enfoques de aprendizaje automático y técnicas de aprendizaje profundo, así como arquitecturas específicas para detectar y clasificar diversas formas de diagnóstico de enfermedades.

Haga clic aquí para obtenerEl efecto del extracto de cistanche en nuestro riñón

Utilizando las conclusiones de los métodos matemáticos y estadísticos que permiten que las máquinas aprendan sin ser programadas, este importante avance se reconoció por primera vez en 1959 cuando Arthur Samuel propuso el aprendizaje empírico para el aprendizaje automático y los algoritmos de reconocimiento de patrones en los juegos.

El principio central de ML es aprender de los datos para hacer predicciones o decisiones basadas en las tareas asignadas.

Gracias a las técnicas de aprendizaje automático (ML), muchas tareas que consumen mucho tiempo ahora se pueden realizar rápidamente y con un esfuerzo mínimo. Con la expansión exponencial de la potencia informática y la capacidad de datos, se ha vuelto cada vez más fácil entrenar modelos de aprendizaje automático basados ​​en datos para predecir resultados con una precisión casi perfecta. Varios documentos ofrecen una amplia variedad de clases de métodos ML. Sin embargo, los algoritmos de ML se pueden dividir en varios subgrupos, según diferentes métodos de aprendizaje.

La importancia de nuestro riñón:

El riñónes uno de los órganos importantes del cuerpo humano, a través de la producción de orina para eliminar los metabolitos, el cuerpo no necesita excretar los desechos, regula y mantiene el agua corporal y los electrolitos, el equilibrio ácido-base, participa en el ajuste de la presión arterial, La hematopoyesis y otras funciones fisiológicas cuando la función renal está dañada, pondrán en peligro la vida humana, lo que demuestra la importancia de proteger la función renal, el riñón también tiene función endocrina yregular la presión arterial, hematopoyesissycrecimiento de la médula óseayotras funciones fisiológicas.

Cistanche

La situación actual de la enfermedad renal:

La Conferencia de Controversias KDIGO (Kidney Disease: Improving Global Outcomes) sobre atención de apoyo reconoció una gran necesidad de atención de apoyo para los pacientes con enfermedad renal debido a suhalta carga de síntomas físicos y psicosociales, esperanza de vida más corta y alta carga de comorbilidades, pero señaló que la atención de apoyo está infrautilizada. Esta Perspectiva del Comité Directivo de la Coalición para el Cuidado de Apoyo de Pacientes Renales revisa las recomendaciones nacionales e internacionales propuestas para mejorar el cuidado de apoyo para pacientes gravemente enfermos con insuficiencia renal o que se aproximan a ella y aboga por cambios urgentes en las políticas.

La manera de aliviar la enfermedad renal:

La 2da Cumbre Mundial sobre la Salud del Riñón de la Sociedad Internacional de Nefrología convocósservicios de atención de apoyo que a menudo se usa como sinónimo de paliativo y la mayoría de los pacientes y profesionales de la salud prefieren, incluido el manejo médico activo sin diálisis, un "elemento esencial" de la atención integral del riñón, pero en gran medida no está disponible en los Estados Unidos. La diálisis puede noBeneficiar a todos los pacientes gravemente enfermos, especialmente a aquellos que son mayores con comorbilidades, fragilidad o demencia o que consideran que el tiempo dedicado a la diálisis es excesivamente pesado. Sin embargo, en ausencia de un camino organizado para el manejo médico activo sin diálisis, los médicos, pacientes y familiares pueden percibir el manejo médico como "no hacer nada" y pueden sentirse presionados para iniciar la diálisis para brindar algún tipo de atención. La atención de apoyo está centrada en el paciente. El Proyecto de Consenso Nacional para Cuidados Paliativos de Calidad, el Foro Nacional de Calidad y otras organizaciones han definido los cuidados paliativos como "cuidados centrados en el paciente y la familia que optimizan la CdV anticipando, previniendo y tratando el sufrimiento".

Extracto de Cistanche

En China,Medicina tradicional chinalleva la experiencia y el conocimiento teórico de los antiguos chinos en la lucha contra las enfermedades. Es un sistema teórico médico formado y desarrollado gradualmente a través de la práctica médica a largo plazo bajo la guía del antiguo materialismo simple y la dialéctica espontánea.Cistanche, como una especie de medicina tradicional china, puede aliviar eficazmente la enfermedad renal.

Algo sobreCistanche:

Función:

En primer lugar, puede tratar la deficiencia de Yang del riñón, la deficiencia de esperma y sangre causada por el dolor y la debilidad de la cintura y la rodilla, la apatía, el miedo al frío y al frío, la impotencia y la espermatogénesis, la infertilidad del palacio por frío, etc.

En segundo lugar, se puede aplicar para tratar la deficiencia de qi del riñón, la acidez en la cintura y las rodillas, la pérdida de memoria, los mareos, el tinnitus y la debilidad de las extremidades, a menudo con el equivalente de semillas de Schisandra, Poria y Cuscuta.

Instrucciones de medicación:

Deficiencia de Yin, fuego y diarrea fecalno debe tomarse.

Mujeres embarazadas y lactantes: Si está embarazada, planea quedar embarazada o está amamantando, informe a su médico y pregúntele si puede usar la medicina china para el tratamiento.

Niños: Los medicamentos para niños deben administrarse bajo la supervisión de un médico y un adulto.

Guarde el medicamento correctamente y no se lo dé a otras personas.

REFERENCIAS

1. McPhee, SJ; Papadakis, MA; Rabow, MW (Eds.) Diagnóstico y tratamiento médico actual; McGraw-Hill Medical: Nueva York, NY, EE. UU., 2010.

2. Ahsan, MM; Ahad, MT; soma, FA; Pablo, S.; Chowdhury, A.; Luna, SA; Yazdán, MMS; Rahman, A.; Siddique, Z.; Huebner, P. Detección de SARS-CoV-2 a partir de rayos X de tórax mediante inteligencia artificial. Acceso IEEE 2021, 9, 35501–35513.

3. Mapache, Urgencias; Quiñónez, RA; Moyer, VA; Schroeder, AR Sobrediagnóstico: Cómo nuestra compulsión por el diagnóstico puede estar dañando a los niños. Pediatría 2014, 134, 1013–1023.

4. Balogh, EP; Miller, BT; Ball, JR Mejorando el Diagnóstico en el Cuidado de la Salud; Prensa Académica Nacional: Washington, DC, EE. UU., 2015.

5. Ahsan, MM; Siddique, Z. Diagnóstico de enfermedades cardíacas basado en el aprendizaje automático: una revisión sistemática de la literatura. arXiv 2021, arXiv:2112.06459.

6. Ahsan, MM; E. Alam, T.; Trafalis, T.; Huebner, P. Modelo profundo de MLP-CNN que utiliza datos mixtos para distinguir entre pacientes con COVID-19 y sin COVID-19. Simetría 2020, 12, 1526.

7. Stafford, I.; Kellermann, M.; Mosotto, E.; Beattie, R.; MacArthur, B.; Ennis, S. Una revisión sistemática de las aplicaciones de inteligencia artificial y aprendizaje automático en enfermedades autoinmunes. Dígito NPJ. Medicina. 2020, 3, 1–11.

8. Ahsan, MM; Gupta, KD; Islam, MM; Sen, S.; Rahman, M.; Shakhawat Hossain, M. Detección de síntomas de COVID-19 basada en nasnetmobile con inteligencia artificial explicable usando varias modalidades de imágenes. Mach. Aprender. Saber extr. 2020, 2, 490–504.

9. Samuel, AL Algunos estudios sobre aprendizaje automático utilizando el juego de damas. IBM J.Res. desarrollo 1959, 3, 210–229.

10. Brownlee, J. Dominio del aprendizaje automático con Python. Mach. Aprender. Mastery Pty Ltd. 2016, 527, 100–120.

11. . Housein, EH; Eman, MM; Alí, AA; Suganthan, PN Técnicas de aprendizaje profundo y automático para el cáncer de mama basado en imágenes médicas: una revisión exhaustiva. Sistema experto aplicación 2021, 167, 114161.