Summary
Samenvatting klinische lessen P-Lijn met lesnoties inclusief Deep Learning
- Course
- Institution
Volledige samenvatting van klinische lessen P-Lijn met lesnotities en les Deep Learning
[Show more]
Seller
Follow
StudentinUZGent
Reviews received
Content preview
SAMENVATTING P-LIJN: KLINISCHE LESSENDEEP LEARNING IN DE GENEESKUNDE
Artificiële intelligentie =
• Mogelijkheid van een machine om mensachtige vaardigheden te vertonen zoals redeneren, leren,
plannen en creativiteit
• Simuleert wat een mens kan maar nog niet zo diep als menselijk brein
• Bv. Turingtest: persoon stelt vragen aan iemand in de andere kamer die hij niet ziet persoon moet
zeggen of hij spreekt met computer of mens (tegenwoordig moeilijk te onderscheiden maar duurde
lang)
AI wordt belangrijker en belangrijker voor studenten geneeskunde
• Diagnostisch
o Medische beelden analyseren: ziekten helpen opsporen en diagnosticeren
o Veel gebruikt in radiologie als ondersteuning
• Gepersonaliseerde behandeling
o Patronen analyseren in genetische en anamnestische data
• Data – analyse voor onderzoek
• Telegeneeskunde
o Bv. via apps iets registreren
o Artsen kunnen op afstand patiënten controleren en diagnostisceren nuttig in gebied
met tekort aan personeel
Definities
• Leren: verbeteren performantie door ervaring (uitkomst wordt beoordeeld)
• Machine learning: automatisch verbeteren performantie van software door ervaring
• Deep learning: specifieke vorm van machine learning met gelaagd neuronaal netwerk dat in staat
is ongesuperviseerd te leren van ongestructureerde of ongelabelde data. Uitkomst van de
verwerking van 1 parameter wordt gebruikt om met input van een volgende parameter verder te
werken
o Verwerkt parameter per parameter, parameter steeds in nieuwe laag toevoegen
uiteindelijk optimaal resultaat
o Verdere uitleg: zie dia 20
Neuronale netwerken: netwerk waarbij elk neuron verbonden is met onderliggende laag input van:
• Beelden
• Signalen in de tijd
• Genetische info
output genereren
In de geneeskunde:
• Ondersteuning radioloog bij screeningsmammografie ( moeilijk te onderscheiden met AI)
• Dermatologie: foto’s
o Performantie heel dicht of zelfs beter dan dermatoloog
, o Bv. ondersteuning MAAR ander ziekenhuis met andere belichting/ andere manier
fotograferen mogelijks al veel minder goed
Deep learning netwerk door natural language processing data uit EPD diagnose bepalen, zwaarte
pathologie bepalen (ZH krijgt vergoeding obv verantwoorde bedden verwachte duur om in ZH te liggen)
Andere toepassingen in deep learning:
• Spraakherkenning
• Reinforced learning: aanleren technieken door imitatie robot leert door chirurg na te bootsen,
wel veel vastere hand, indien ook kennis van MRI weet perfect tot waar hij mag gaan
• Preventie door voorspelling optreden ziekte obv beschikbare data (pt levert data aan via
smartwatch)
• Chatbots (anamnese, psychotherapie)
Impact op geneeskunde
• Om de 3 jaar: data verdubbelen die mens ooit verzameld heeft
• 3% in gezondheidszorg automatische verwerking nodig voor samenvatting en interpretatie
• Andere rol van de mens (meer en meer ondersteuning voor mens)
• !!! reflectie van de mens is nodig zolang AI niet getraind is om bijzonderheden op te sporen (zal nog
verbeteren maar menselijke interventie volledig uitsluiten kan gevaarlijk zijn)
• !!! bias - racisme
o Algoritme stelde andere behandeling obv huidskleur (goedkopere en minder goed)
Huidig gebruik deep learning algoritmes
• Overnemen tijdsintensieve beeldanalyse
• Ondersteuning radioloog bij dringende/ complexe onderzoeken
o Mensen gaan nooit aanvaarden dat er zonder menselijke tussenkomst diagnose wordt
gesteld
o Artsen nutteloze werk zal verdwijnen, arts meer tijd om te praten
• Data-mining in elektronisch patiëntendossier
• Interpretatie labananalyses
• Voorspellen incidenten obv bij patiënt gemeten parameters
Binnen 30 jaar wellicht:
• Automatische diagnostiek (labo automatisch)
• Autonome chirurgie met sensoren op instrumenten (stereotactische waarneming)
• Data-mining: patiënten die zelf info doorgeven door toestellen die ze dragen
o Patiënt wil deelnemen aan proces door zelf gezondheid te monitoren
o Opletten met grote bedrijven (Google, Amazon, Microsoft) interesse in d
,KLINISCHE LESSEN HUISARTSEN
LES 1: ACUUT MYOCARDINFARCT
• Pijn op de borst
o Kort na het eten? vermoeden galblaas, zuuroprispingen
o Wervelindeuking, sternumfractuur, aortaruptuur mogelijk
o Pancreatitis: hevige pijn vlak na eten
o AMI
• Begon te zweten, ging naar keel, geen kortademigheid
• Aspirine 100 mg genomen en beter (doet niks, verwaarloosbaar, enkel preventief)
• Longembool: waakvlamdiagnose (niet volledig uit te sluiten, in achterhoofd houden
• Aortadissectie: shockerige patiënt (grauw grijs; HF 120/min, BD 70/40 mmHg)
• Ritmestoornissen uitsluiten met auscultatie
• Retrosternale pijn
o Acuut coronair syndroom
o Pneumothorax
o Longembolie
o Aortaruptuur
• Voorafkans? (ex – roker, rolstoelpatiënt, leeftijd, FA: vader op 75j overleden aan AMI): 2%
o FA enkel meenemen indien eerstegraadsverwant < 55j man of < 65j vrouw
o Roken: AK = 2 (sensitiviteit 30%, specificiteit 85%), slechte UK
• AK = hoeveel mensen met ACS hebben klacht/ hoeveel mensen zonder ACS hebben klacht
o Acute hevige pijn op de borst (sensitiviteit 90%, specificiteit 95%) AK = 18
o LR
0-1 : niet significant
2 – 5: zwak (0.5)
6 – 16: goed (1)
17 – 57: sterk (1.5)
58 – 200: zeer sterk (2)
o Schaal: 1% (-2) , 10%, 50%, 90%, 99%, 99.9% (3)
o ECG:
Sensitiviteit 68%, specificiteit 94%
AK = 11.3 positief EKG goed argument om ACS aan te tonen
UK = 2.9 negatief EKG slechts 0.5 stapje naar beneden (niet geruststellende
uitsluiter)
, Ziekte + Ziekte -
Klacht + Sensitiviteit 1 – specificiteit
Klacht - 1 – sensitiviteit Specificiteit
• Drempel voor spoed op 1 – 5% nog steeds te hoge kans dus verwijzen naar spoed
• Troponine: > 14 pg/ml verhoogd
o Sensitiviteit 82%
o Specificiteit 92%
o AK = 10, UK = 5
o Na 1 – 3 uur opnieuw prikken: sensitiviteit stijgt tot 98% AK = 12, UK = 46 (evolutief)
• Coronarografie: risico op AKI, bloeding, pseudo-aneurysma, arterio-veneuze fistel, TIA/CVA
• Na AMI
o Statine, ACE inhibitor, bisoprolol, duale antiplaquetaire therapie : aspirine + ticagrelor
o ACE inhibitor
Opletten bij stenose nierarterie/ hyperkaliëmie
Nierfunctie controleren voor start en na 2w (K+ )
Combinatie met thiazide kan (K sparend: ACE en K verliezend: thiazide)
Opstart bij nierinsufficiëntie/ ter vervanging diureticum dat BD ↓ met syncope
geeft, volumedepletie stimuleert RAAS
Renale perfusie ↓ activatie renine (↑ omzetting angiotensinogeen AT I)
AT I AT II door ACE
BD ↑ door vasoconstrictie, aldosteronactivatie en OS ↑
The benefits of buying summaries with Stuvia:
Guaranteed quality through customer reviews
Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.
Quick and easy check-out
You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.
Focus on what matters
Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!
Frequently asked questions
What do I get when I buy this document?
You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.
Satisfaction guarantee: how does it work?
Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.
Who am I buying these notes from?
Stuvia is a marketplace, so you are not buying this document from us, but from seller StudentinUZGent. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $12.30. You're not tied to anything after your purchase.
Can Stuvia be trusted?
4.6 stars on Google & Trustpilot (+1000 reviews)
67474 documents were sold in the last 30 days
Founded in 2010, the go-to place to buy study notes for 14 years now