Machine learning kann dazu beitragen, neue Fortschritte in der plastischen Chirurgie

Mit einer ständig zunehmenden Menge elektronischer Daten gesammelt werden, die durch das Gesundheitssystem, die Forscher untersuchen die Verwendung von machine learning–ein Teilbereich der künstlichen Intelligenz-zur Verbesserung der medizinischen Versorgung und des outcomes bei Patienten. Einen überblick über maschinelles lernen und einige der Möglichkeiten, es könnte dazu beitragen, Fortschritte in der plastischen Chirurgie vorgestellt werden in einem speziellen Thema-Artikel in der Mai-Ausgabe des Plastic & Reconstructive Surgery®, der offiziellen medizinischen Zeitschrift der American Society of Plastic Surgeons (ASPS).

„Machine learning hat das Potenzial, zu einem mächtigen Werkzeug in der plastischen Chirurgie, so dass Chirurgen nutzbar zu machen, die komplexen klinischen Daten, um zu helfen, wichtige klinische Entscheidungen,“ schreiben Dr. Jonathan Kanevsky von der McGill-Universität, Montreal, Kanada, und Kollegen. Sie markieren einige der wichtigsten Bereiche, in denen maschinelles lernen und „Big Data“ könnten dazu beitragen, die Fortschritte in der plastischen und rekonstruktiven Chirurgie.

Machine Learning Zeigt Versprechen in der Plastischen Chirurgie, Forschung und Praxis

Maschinelles lernen analysiert historische Daten, um algorithmen zu entwickeln in der Lage Wissenserwerb. Dr. Kanevsky und Mitverfasser schreiben, „Machine learning wurde bereits angewendet, mit großem Erfolg, für die Verarbeitung von großen Mengen an komplexen Daten, die in der Medizin und Chirurgie“. Projekte mit medizinischen Anwendungen sind die IBM Watson-Gesundheit-kognitive-computing-system und dem American College of Surgeons‘ National Surgical Quality Improvement Program.

Dr. Kanevsky und Kollegen glauben, dass die Plastische Chirurgie profitieren können, ähnlich wie „Ziel-und data-driven machine-learning-Ansätze“ – vor allem mit der Verfügbarkeit des ASP ’s“ Tracking-Vorgänge und Ergebnisse für Plastic Surgeons‘ (TOPS) – Datenbank. Die Autoren betonen fünf Bereiche, in denen maschinelles lernen zeigt Versprechen für die Verbesserung der Effizienz und klinische Ergebnisse:

  • Verbrennungschirurgie. Ein machine-learning-Ansatz hat sich bereits entwickelt, um vorherzusagen, die Zeit der Heilung von Verbrennungen, die Bereitstellung ein effektives Werkzeug für die Beurteilung der Tiefe einer Verbrennung. Algorithmen entwickelt werden könnten, und ermöglicht so eine schnelle Vorhersage der Prozentsatz der Körperoberfläche verbrannt–ein Kritischer Teil der information für Patienten, Reanimation und chirurgische Planung.
  • Mikrochirurgie. Eine postoperative Mikrochirurgie Anwendung wurde entwickelt, um zu überwachen Durchblutung des Gewebes klappen, basierend auf smartphone-Fotos. In Zukunft werden algorithmen entwickelt werden, die die Hilfe, in was die beste rekonstruktive-Chirurgie Ansatz für den einzelnen Patienten.
  • In Der Kraniofazialen Chirurgie. Machine-learning-Ansätze für automatisierte Diagnose der Säugling, Schädel-Wachstum Mängel (kraniosynostose) entwickelt worden. Künftige algorithmen, die nützlich sein können für die Identifizierung von bekannten und unbekannten Genen verantwortlich für Lippen-Kiefer-Gaumenspalten.
  • Hand und der Peripheren Nerven Chirurgie. Machine-learning-Ansätze, die möglicherweise nützlich in der Vorhersage der Erfolg des tissue-engineered nerve grafts, der Entwicklung von automatisierten Steuerungen für hand und arm neuroprothesen bei Patienten mit hoher Rückenmarksverletzungen, und die Verbesserung der Planung und outcome-Vorhersage in der Handchirurgie.
  • Die Ästhetische Chirurgie. Maschinelles lernen hat auch mögliche Anwendungen in der kosmetischen Chirurgie-zum Beispiel die Vorhersage und Simulation der Ergebnisse in der ästhetischen Gesichts-Chirurgie und rekonstruktive Brustchirurgie.
'Machine learning' kann dazu beitragen, neue Fortschritte in der plastischen Chirurgie

Die Autoren auch vorhersehen nützliche Anwendungen des maschinellen Lernens zu verbessern, Plastische Chirurgie Ausbildung. Jedoch, Sie betonen die Notwendigkeit von Maßnahmen zur Gewährleistung der Sicherheit und der klinischen Relevanz der Ergebnisse, die durch maschinelles lernen und sich zu erinnern, als die computer-generierten algorithmen noch nicht ersetzen, das geschulte menschliche Auge.

„Das sind tools, die nicht nur helfen kann, den Prozess der Entscheidungsfindung, aber auch Muster, die möglicherweise nicht offensichtlich in der Analyse von kleineren Datensätzen oder anekdotische Erfahrung,“ Dr. Kanevsky und Koautoren abzuschließen. „Durch die Fokussierung des maschinellen Lernens, die moderne Plastische Chirurgen können in der Lage sein, neu zu definieren, die Spezialität, während Sie festigen Ihre Rolle als Führer an die Spitze des wissenschaftlichen Fortschritts in der Chirurgie.“

Big Data und Machine Learning in der Plastischen Chirurgie: Eine Neue Grenze in der Chirurgischen Innovation. Kanevsky, Jonathan M. D.

Schreibe einen Kommentar