机器学习可以大大提高临床微生物学,从质量测试的效率。一个这个领域的挑战和机遇是今天比以往任何时候都更多的信息被创造出来。“这使我们有机会尝试使用新工具来理解这些信息,”丹尼尔·d·罗德博士说,部分微生物主管Robert j . Tomsich病理学和实验室医学研究所,克利夫兰诊所。博士的信息,道路意味着测序数据集或数字图像开始经常使用标准治疗过程的一部分,微生物学。
那么,机器学习适应吗?和机器学习如何帮助克服这些挑战?
机器学习是最好的应用程序或通常是最成功的,是试图发现罕见的事件和分类图像。“我们做了很多的微生物。每天我们看到数以百计的培养皿,细菌性阴道炎检测时,例如,样品可以看起来很相似。有重要的区别,机器学习可以检测时间的一小部分,”terry Rhoads博士解释道。这是一个很大的机会购买这些新兴技术非常有用的方法。
terry Rhoads博士是位于克利夫兰时,他注意到盐湖城通常如何使用机器学习作为自己的寄生虫考试的一部分。“有一家名为MetaSystems使用算法来解释微观图像,可以应用于微生物学。也有很多公司正在开发算法来帮助分类图像和中从文化板块。几年前,这个主要是理论,但它现在开始意识到,这实际上使讨论更有趣。”
丹尼尔·d·罗德博士
COVID 19影响所有的药,但它确实在积极的意义上的一件事是在推动实验室成为人们关注的焦点。“不会有一个故事在《纽约时报》头版实验室或诊断测试通常,但那是相当常规整个2020年。这给了我们一个机会说出来,我们做什么,和我们如何做,证明拭子背后的知识。这不是魔术,有细微差别,有挑战。最重要的是,有一些人参与。我认为这是有利于整个行业。”
0评论
隐藏的注释
