根据PLOS一号发表的一项研究，吉尔福德萨里大学的科学家开发了一种工具，可以使用机器学习来识别和治疗痴呆症患者的早期尿路感染。

研究作者、萨里大学视觉、语音和信号处理中心(CVSSP)高级研究员Shirin Enshaeifar博士在一份声明中说：“我非常高兴地看到，我们设计的算法对改善痴呆患者的健康状况产生了影响，并为临床医生提供了一个为患者提供更好支持的工具。

在这项研究中，科学家们通过使用联网的生物信号监测设备网络，在家中远程监测健康的痴呆症患者。他们设计了一种用于UTI检测的机器学习算法，使用非负矩阵分解(NMF)技术来分析从监控设备流出的数据。然后使用二进制支持向量机(SVM)分类器将NMF模型与另一种UTI检测解决方案进行比较。

“如果早期发现尿路感染，可以通过服用抗生素来解决；然而，UTI仍未确诊，这可能导致重大健康问题和住院治疗。”恩施艾法尔等人写道。

数据来自总共53名参与者。研究表明，NMF模型优于SVM模型，降低了虚警次数。研究人员还将使用“隔离森林”技术来设计一种算法，该算法可以检测活动模式的变化，并识别认知或健康下降的早期迹象，然后由临床监测团队进行跟踪。

CVSSP的机器智能教授Payam Barnaghi在一份准备好的声明中表示：“我们相信，我们的算法将成为医疗保健专业人员的宝贵工具，使他们能够为患者制定更有效和(个性化)的计划。”

根据这项研究，全球约有5000万人患有痴呆症，据估计，到2030年，这一数字将达到8200万，到2050年将达到1.52亿。在英国，四分之一的病床被痴呆症患者占据，尿路感染是住院的主要原因之一。

CVSSP教授兼主任阿德里安希尔顿(Adrian Hilton)在一份声明中表示：“机器学习可以为痴呆症患者提供更好的护理，让他们呆在家里，减少住院，帮助NHS腾出床位。”

版权说明： 本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。

标签：