Sztuczna inteligencja pomaga wykorzystać dane metabolomiczne w CDSS

Badacze z Uniwersytetu Medycznego w Białymstoku opublikowali artykuł przeglądowy „ML-based clinical decision support models based on metabolomics data” w czasopiśmie „Trends in Analytical Chemistry”.

Michał Burdukiewicz, Jarosław Chilimoniuk, Krystyna Grzesiak, Adam Krętowski i Michał Ciborowski opisują, jak współczesna medycyna wykorzystuje dane metabolomiczne w klinicznych systemach wspomagania decyzji (CDSS). CDSS znajdują szerokie zastosowanie w medycynie, ułatwiając podejmowanie krytycznych decyzji mających wpływ na zdrowie pacjenta. Obejmują szereg narzędzi pomagających w codziennej pracy klinicznej, np. diagnostyce. Metabolomika to kompleksowe badanie metabolitów, produktów procesów komórkowych, które pozwalają kompleksowo opisać stan zdrowia. Jednakże dane metabolomiczne są na tyle skomplikowane, że ich dogłębna analiza wymaga wykorzystania metod uczenia maszynowego (machine learning).

W swojej pracy autorzy przedstawiają potencjał, który drzemie w budowaniu CDSS w oparciu o dane metabolomiczne, opisując ich zastosowanie w wielu dziedzinach medycyny. Przestrzegają również przed ryzykami powiązanymi z np. brakiem interpretowalności takich modeli, a także brakiem odpowiedniej weryfikacji reguł decyzyjnych zaproponowanych przez sztuczną inteligencję.

Badania wsparło Ministerstwo Nauki i Szkolnictwa Wyższego w ramach projektu „Inicjatywa doskonałości – Uczelnia badawcza”. Pomógł też grant Uniwersytetu Medycznego w Białymstoku. Z treścią artykułu zapoznacie się tutaj.

Źródło: Uniwersytet Medyczny w Białymstoku

Czytaj także: Mazovia z trzema robotami da Vinci