ПОСЛЕДНИЕ НОВОСТИ
ПОДОБРАНО ДЛЯ ВАС
Еженедельно
ОСТАВАЙТЕСЬ НА ВЕРШИНЕ

Лучшие аналитические материалы о криптовалютах прямо в вашу электронную почту.

Машинное обучение предсказывает агрессивное поведение у подростков с аутизмом

КБренда КананаБренда Канана
2 минуты чтения,
Машинное обучение
  • Исследование, проведенное доктором Тейлзом Имбирибой из Северо-восточного университета в Бостоне, использовало машинное обучение для прогнозирования агрессивного поведения у подростков с аутизмом, что вселяет надежду на улучшение качества медицинской помощи.
  • В ходе исследования участники были оснащены биосенсорами, и была обнаружена поразительная точность в прогнозировании агрессии, особенно за три минуты до ее проявления.
  • Полученные результаты могут привести к созданию мобильных систем здравоохранения, обеспечивающих своевременное вмешательство, улучшающих жизнь людей с аутизмом и снижающих непредсказуемость их поведения.

 

В новаторском исследовании, опубликованном в онлайн-журнале JAMA Network Open, исследователи использовали возможности машинного обучения для эффективного прогнозирования надвигающегося агрессивного поведения у находящихся на стационарном лечении подростков с аутизмом. Это исследование, проведенное под руководством доктора Талеса Имбирибы из Северо-восточного университета в Бостоне, знаменует собой значительный шаг вперед в понимании и управлении проблемным поведением, связанным с аутизмом.

Исследование, проведенное с марта 2019 по март 2020 года, было сосредоточено на 70 пациентах психиатрического стационара с подтвержденным диагнозом аутизма. Эти люди демонстрировали самоповреждающее поведение, эмоциональную дисрегуляцию или агрессию по отношению к другим, при этом 32 из них имели минимальные вербальные способности, а 30 — интеллектуальные нарушения.

Участники эксперимента, оснащенные имеющимися в продаже биосенсорами, регистрировали периферические физиологические сигналы. Исследовательская группа тщательно проанализировала временные ряды,tracиз данных биосенсоров, чтобыdentзакономерности, предшествующие агрессивнымdent.

Наблюдательные сессии позволяют получить важные выводы

В ходе исследования ученые провели 429 сеансов наблюдения и кодирования, что в общей сложности составило поразительные 497 часов. В ходе этих сеансов было задокументировано 6665 случаев агрессивного поведения, которые были классифицированы как самоповреждение (59,8%), эмоциональная дисрегуляция (31,0%) и агрессия по отношению к другим (9,3%).

Наиболее значимый результат исследования заключается в эффективности логистической регрессии как классификатора для прогнозирования агрессивного поведения. Этот метод продемонстрировал замечательную точность со средней площадью под кривой рабочей характеристики приемника 0,80, особенно при прогнозировании агрессивного поведения за три минуты до его начала.

Результаты этого исследования имеют огромное значение. Авторы предполагают, что эти выводы могут проложить путь к разработке мобильных систем здравоохранения, обеспечивающих адаптивные вмешательства в режиме реального времени. Эта технология, способная произвести революцию в данной области, открывает новые возможности для превентивного вмешательства. Сосредоточившись на снижении непредсказуемости агрессивного поведения у подростков с аутизмом, она потенциально может значительно улучшить качество их жизни.

Преобразуем жизнь молодых людей с аутизмом, находящихся на стационарном лечении

Это новаторское исследование представляет собой многообещающий шаг вперед в исследованиях аутизма и стратегиях вмешательства. Оно вселяет надежду на улучшение ухода и поддержки для людей с аутизмом, демонстрирующих проблемное поведение. Повышение предсказуемости и управляемости этого поведения позволяет молодым людям, находящимся на стационарном лечении, более полноценно участвовать в жизни своих домов, школ и сообществ.

Успех исследования подчеркивает потенциал машинного обучения в революционном изменении нашего понимания и ухода за людьми с аутизмом. Этот инновационный подход к прогнозированию агрессивного поведения открывает новые возможности поддержки, которые ранее были недоступны. Следующие шаги будут включать дальнейшее совершенствование и практическое применение этих прогностических моделей.

Перспективы развития ухода за людьми с аутизмом в будущем

По мере разработки и совершенствования этих прогностических моделей будущее оказания помощи людям с аутизмом выглядит многообещающим. Мобильные системы здравоохранения, использующие машинное обучение, могут стать бесценными инструментами для родителей, опекунов и медицинских работников, позволяющими своевременно оказывать помощь и поддержку.

В заключение, новаторское исследование, проведенное доктором Талесом Имбирибой, демонстрирует возможности машинного обучения в прогнозировании агрессивного поведения у подростков с аутизмом. Это исследование вселяет надежду на светлое будущее для людей, сталкивающихся с трудностями, связанными с аутизмом, и указывает путь для разработки инновационных и эффективных методов вмешательства. Хотя для практического применения этих результатов еще предстоит проделать большую работу, потенциал улучшения жизни людей с аутизмом является целью, которую стоит преследовать.

Не просто читайте новости о криптовалютах. Разберитесь в них. Подпишитесь на нашу рассылку. Это бесплатно.

Поделитесь этой статьей

Предупреждение. Предоставленная информация не является торговой рекомендацией. Cryptopolitanнастоятельно не несет ответственности за любые инвестиции, сделанные на основе информации, представленной на этой странице. Мыtronпровести независимоеdent и/или проконсультироваться с квалифицированным специалистом, прежде чем принимать какие-либо инвестиционные решения.

Бренда Канана

Бренда Канана

Бренда обладает более чем 4-летним опытом работы в области криптовалют, искусственного интеллекта и новых технологий. Она работала в Zycrypto, Blockchain Reporter, The Coin Republic, а теперь работает в Cryptopolitan . Ее образование в области социологии, полученное в Техническом университете Момбасы, позволяет ей быть в курсе событий, волнующих читателей.

ЕЩЕ… НОВОСТИ
ЭКСПРЕСС- КУРС ПО ГЛУБОКОЙ КРИПТОГРАФИИ