Samenvatting
Samenvatting klinische lessen P-Lijn met lesnoties inclusief Deep Learning
- Instelling
- Universiteit Gent (UGent)
Volledige samenvatting van klinische lessen P-Lijn met lesnotities en les Deep Learning
[Meer zien]Voorbeeld 4 van de 105 pagina's
Voorbeeld 4 van de 105 pagina's
In winkelwagen
Voorbeeld van de inhoud
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 ↑
Voordelen van het kopen van samenvattingen bij Stuvia op een rij:
√ Verzekerd van kwaliteit door reviews
Stuvia-klanten hebben meer dan 700.000 samenvattingen beoordeeld. Zo weet je zeker dat je de beste documenten koopt!
Snel en makkelijk kopen
Je betaalt supersnel en eenmalig met iDeal, Bancontact of creditcard voor de samenvatting. Zonder lidmaatschap.
Focus op de essentie
Samenvattingen worden geschreven voor en door anderen. Daarom zijn de samenvattingen altijd betrouwbaar en actueel. Zo kom je snel tot de kern!
Veelgestelde vragen
Wat krijg ik als ik dit document koop?
Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.
Tevredenheidsgarantie: hoe werkt dat?
Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.
Van wie koop ik deze samenvatting?
Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper StudentinUZGent. Stuvia faciliteert de betaling aan de verkoper.
Zit ik meteen vast aan een abonnement?
Nee, je koopt alleen deze samenvatting voor €11,46. Je zit daarna nergens aan vast.
Is Stuvia te vertrouwen?
4,6 sterren op Google & Trustpilot (+1000 reviews)
Afgelopen 30 dagen zijn er 67474 samenvattingen verkocht
Opgericht in 2010, al 14 jaar dé plek om samenvattingen te kopen