Главная  Информация для покупателей  Новости науки  Более 300 моделей машинного обучения COVID-19 оказались непригодными для своей цели

Более 300 моделей машинного обучения COVID-19 оказались непригодными для своей цели

25 марта 2021


Недавно учеными был проведен систематический анализ всех научных рукописей, которые были опубликованы в различных источниках в период с 1 января по 3 октября 2020 г. В этих рукописях были описаны модели машинного обучения, согласно которым можно было бы диагностировать, исследовать или прогнозировать COVID-19. Для этого, как утверждали авторы, системы использовали рентгенограммы грудной клетки, а также данные компьютерной томографии. Некоторые из этих работ прошли процесс рецензирования, однако подавляющее большинство работ — нет.

Поиск исследователей выявил более 2 тысяч работ, из которых 415 вошли в анализ после первоначального скрининга и 62 — после качественного скрининга. Что касается последних 62 моделей, которые показывали свою перспективу, то они все же не имели потенциального клинического применения. Этот момент выступил серьезным недостатком работ, учитывая ту великую срочность, которая связана с необходимостью практического применения компетентных моделей COVID-19. Многие лаборатории «кинулись заряжать» свои микроскопы и центрифуги, чтобы приложить все свои усилия для создания действенных вакцин. Но понять полноценность своего продукта без предварительных прогнозов мутаций вируса и течения болезни — невозможно.

Машинное обучение — перспективный и потенциально мощный метод выявления и прогнозирования заболеваний. Однако любой алгоритм машинного обучения хорош лишь настолько, насколько хороши данные, на которых он обучается. Для такого совершенно нового вирусного заболевания, как COVID-19, важно, чтобы данные обучения были как можно более разнообразными, так как существует множество разносторонних факторов, оказывающих значительное влияние на то, как заболевание выглядит, как ведет себя вирус, какие симптомы болезни наблюдаются. Международное сообщество машинного обучения направило титанические усилия на борьбу с пандемией COVID-19. Все исследования, проведенные ранее, показали свою перспективность, но в то же время и высокую распространенность недостатков в методологии и отчетности.

Исследователи заявили, что из более чем 300 моделей машинного обучения болезни COVID-19, о которых говорилось в научных статьях от 2020 года, ни одна не явилась применимой для обнаружения или диагностики болезни по стандартной медицинской визуализации из-за предвзятости, определенных методологических недостатков и практически полного отсутствия воспроизводимости. Во многих случаях в опубликованных работах даже не уточнялось, откуда взялись данные для построения программы машинного обучения. Здесь логично предположить, что или модели обучались и тестировались на одних и тех же данных, или они основывались на общедоступных «наборах данных Франкенштейна» у вируса, которые эволюционировали и объединялись со временем. А это напрямую повлияло на невозможность воспроизведения первоначальных результатов.

DDNDDDDD_DDNNDDDD

Другая информация
15 апреля 2021
Техника ультразвуковой визуализации позволяет читать мысли

Работа новой системы основывается на технологии функционального ультразвука, которая точно отображает нейронную активность из ее источника глубоко в мозге с разрешением около 100 мкм.

12 апреля 2021
Изучена структура углерода под давлением 2000 гПа

Алмазная фаза углерода, как считают ученые, является самой «упрямой» структурой, которая способна сохранится в гораздо большем диапазоне планетарных условий, чем считалось ранее.

08 апреля 2021
Археи искажают свою ДНК экстремальными способами

Микробы-археи могут мгновенно искажать свою ДНК, чтобы включать и выключать нужные гены. Такой вид молекулярной «гимнастики» ранее никогда не наблюдался у других организмов.

05 апреля 2021
Ученые разработали устройство, которое помогает ускорить регенерацию костей

Новый модифицированный метод введения лекарств с помощью специального имплантируемого устройства исключает необходимость в повторных инъекциях.

01 апреля 2021
Искусственный интеллект поможет диагностировать рак молочной железы

Аналитическая система была обучена с помощью процессов машинного обучения, чтобы предсказывать такие молекулярные характеристики, как экспрессия генов и белков и состояние ДНК.

Вся информация


Сайт использует файлы cookies. Продолжая просматривать сайт Вы соглашаетесь с использованием cookies. Хорошо!