Enne tehisintellekti tulekut oli meditsiin rohkem ennetav ja raviv. Pärast masinõppe, tehisintellekti alavaldkonna, kasutuselevõttu on tekkinud uus paradigma, mida tuntakse ennustava meditsiinina. Teadlased on välja töötanud ja arendavad endiselt mitmeid masinõppe tööriistu, et ennustada meditsiinilisi tüsistusi, võimaldades arstidel võtta õigeaegseid meetmeid ja ennetada halvimat. Käesolev väitekiri on selle töö jätk. Selle eesmärk on kasutada masinõppe tööriistu, nimelt süvaõppe mudeleid, et ennustada kahjulikke meditsiinilisi sündmusi patsientide haiglas viibimise ajal. Väitekirjas käsitletavad meditsiinilised sündmused hõlmavad suremuse ennustamist intensiivravi osakondades, depressiooni tuvastamist ja planeerimata haiglaravi uuesti vastuvõtu ennustamist. Ulatuslikud katsed ja võrdlused tipptasemel mudelitega on näidanud, et äsja kasutusele võetud süvaõppe mudelid parandavad käsitletud meditsiiniliste ülesannete täpsust. Üldiselt näitavad väitekirja tulemused, et masinõppe tööriistad, eriti süvaõppemudelid, on ideaalsed kandidaadid kahjulike sündmuste ennustamiseks või tuvastamiseks patsiendi haiglas viibimise ajal. Kuigi see on väitekirja vahetu eesmärk, on pikaajaliseks eesmärgiks nende mudelite täiustamine, et need oleksid täpsemad, vastupidavamad ja selgitatavamad. See hõlbustaks nende kasutuselevõttu reaalsetes meditsiinilistes tingimustes ja aitaks arste igapäevastes otsustusprotsessides.

Doktoritöö on avaldatud Tehnikaülikooli raamatukogu digikogus.

Juhendaja prof Sadok Ben Yahia ja kaasjuhendaja prof Nédra Mellouli-Nauwynck.

Oponendid:

• prof Vannary Meas-Yedid Hardy, Institut Pasteur-Paris, Prantsusmaa;
• prof Henning Christiansen, Roskilde University, Taani.

Jälgi avalikku kaitsmist zoomis

Meeting ID: 910 4754 1742
Passcode: 665177