في عالم الرعاية الصحية، تظل [البيانات السريرية](/tag/[البيانات](/tag/البيانات)-السريرية) السلسلة (time-series data) تحدياً كبيراً للباحثين والممارسين. إذ تصعب الفترات الزمنية غير المنتظمة، اختفاء القيم، وأنماط الملاحظات المتباينة [عبر](/tag/عبر) عدة متغيرات، من استخدام [تقنيات النمذجة](/tag/[تقنيات](/tag/تقنيات)-[النمذجة](/tag/النمذجة)) التقليدية.
تقوم الأساليب الحديثة، التي تُعتمد غالباً، باستخدام أقنعة [الملاحظة](/tag/الملاحظة) (observation masks) والمعلومات الزمنية، لكن ينقصها القدرة على التقاط [موثوقية](/tag/موثوقية) المشاهدات السابقة بشكل مستمر أو [تنظيم المعلومات](/tag/[تنظيم](/tag/تنظيم)-[المعلومات](/tag/المعلومات)) متعددة [الدقة](/tag/الدقة) ضمن سياق زمني مترابط أثناء التجميع.
لكن، مع إدخال [تقنية](/tag/تقنية) [ReTAMamba](/tag/retamamba) (Reliability-aware Temporal Aggregation with [Mamba](/tag/mamba))، يحدث [تحول](/tag/تحول) جذري! يعتمد هذا النظام الثوري على إعادة [بناء](/tag/بناء) [السلاسل الزمنية](/tag/السلاسل-الزمنية) السريرية كسلاسل رمزية متغيرة زمنياً، حيث يتم تقدير [موثوقية](/tag/موثوقية) الملاحظات بناءً على الفجوات الزمنية والوقت المنقضي.
يتم استخدام أسلوب "تشابك زمني" (Chronological Weaving) لدمج [المعلومات](/tag/المعلومات) الزمنية القصيرة والطويلة ضمن سياق زمني متسق، مع إضافة جهاز [توجيه](/tag/توجيه) رمزي (token router) لتقييد طول السلسلة دون الإضرار بالملخصات [المعلوماتية](/tag/المعلوماتية).
أظهرت [التجارب](/tag/التجارب) على [مجموعات بيانات](/tag/مجموعات-[بيانات](/tag/بيانات)) مثل MIMIC-IV وeICU وPhysioNet 2012 أن [ReTAMamba](/tag/retamamba) يفوق [الأداء](/tag/الأداء) القوي للأهداف السابقة، حيث سجل متوسط مكاسب نسبية بلغت 7.51%، 7.80%، و10.15%.
أيضًا، كشفت التحليلات على مستوى [المجموعات](/tag/المجموعات) والمستوى الفردي في eICU أن الانخفاض المتوسط لمؤشرات الإشارات الديناميكية مثل [معدل ضربات القلب](/tag/معدل-ضربات-القلب) وضغط الدم كان أعلى بنحو 24.3% مقارنة بالإشارات الثابتة كمتغيرات الاختبار المعملية.
تشير هذه النتائج إلى أن النجاح في [التنبؤ](/tag/التنبؤ) بالسلاسل الزمنية السريرية غير المنتظمة يتطلب [نمذجة](/tag/نمذجة) ما تم قياسه، وأيضاً متى وكيف تم ملاحظته، مع الأخذ بعين الاعتبار جودة [المعلومات](/tag/المعلومات) وآنية [الملاحظة](/tag/الملاحظة).
إبداع جديد في الذكاء الاصطناعي: ReTAMamba لتحليل البيانات السريرية غير المنتظمة!
يقدم النظام الجديد ReTAMamba طريقة مبتكرة لمعالجة البيانات السريرية غير المنتظمة، مما يعزز دقة التنبؤات الطبية. باستخدام تقنية تجميع الزمني الواعي بالموثوقية، يمكنك الآن فهم المعلومات السريرية بشكل أفضل.
المصدر الأصلي:أركايف للذكاء
زيارة المصدر الأصلي ←جاري تحميل التفاعلات...
