maszyna wektorów nośnych

Maszyna wektorów nośnych (Support Vector Machine, SVM) to zaawansowana metoda uczenia maszynowego stosowana w analizie danych medycznych. Jest to algorytm klasyfikacji, który znajduje optymalną hiperpłaszczyznę rozdzielającą dane na różne klasy, maksymalizując margines między punktami różnych kategorii.

W medycynie SVM jest szeroko wykorzystywana do diagnozowania chorób, prognozowania wyników leczenia oraz klasyfikacji obrazów medycznych. Algorytm wykazuje szczególną skuteczność w analizie biomarkerów, klasyfikacji nowotworów i interpretacji danych genetycznych, gdzie tradycyjne metody statystyczne mogą nie radzić sobie z wielowymiarowymi zbiorami danych.

Zaletą SVM w zastosowaniach klinicznych jest zdolność do efektywnego działania przy ograniczonej liczbie próbek treningowych oraz odporność na przeuczenie. Dzięki zastosowaniu różnych funkcji jądra (kernel functions), SVM może modelować złożone, nieliniowe zależności w danych medycznych, co czyni ją cennym narzędziem w medycynie spersonalizowanej i systemach wspomagania decyzji klinicznych.

Powiązane wpisy

Leksykon chorób i schorzeń
Gruźlica – Rokowania, prognozy i postęp choroby

Gruźlica (TB) pozostaje istotnym problemem zdrowia publicznego z wysoką śmiertelnością sięgającą około 50% bez leczenia, podczas gdy odpowiednia terapia pozwala na wyleczenie większości pacjentów. Globalny wskaźnik powodzenia leczenia jest dobry, lecz nadal poniżej celu 85%. Kluczowe czynniki prognostyczne skuteczności terapii to m.in. ujemny rozmaz plwociny po 2 miesiącach (OR 2,7; 95% CI 1,5-4,8), wiek <65 lat (OR 2,0; 95% CI 1,7-2,4), brak zakażenia HIV (OR 1,9; 95% CI 1,6-2,5) oraz abstynencja od alkoholu (OR 2,0; 95% CI 1,6-2,4). W przypadku MDR-TB czynniki ryzyka niepowodzenia leczenia obejmują brak edukacji zdrowotnej (OR 1,56), starszy wiek (4% wzrost ryzyka na każdy rok życia), płeć męską oraz większy zasięg zmian płucnych. Wskaźnik powodzenia leczenia MDR-TB wynosi globalnie około 57%, a dla XDR-TB jedynie 27,1% (95% CI: 12,7-44,5). U dzieci wskaźnik powodzenia jest wyższy i wynosi 84,8% (95% CI: 77,7-90,7).
aminotransferaza asparaginianowa, analiza omiczna, cystatyna C, edukacja zdrowotna, glikokortykoidy, gruźlica, gruźlica lekooporna, gruźlica płuc, komórki T CD4+, komórki T CD8+, leki wazopresyjne, maszyna wektorów nośnych, Mycobacterium tuberculosis, ostra niewydolność oddechowa, ostre zapalenie wątroby, pozaszpitalne zapalenie płuc, poziom BUN, rtg klatki piersiowej, współzakażenie HIV
Leksykon chorób i schorzeń
Udar mózgu – Rokowania, prognozy i postęp choroby

Udar mózgu, zwłaszcza jego postać niedokrwienna, stanowi drugą najczęstszą przyczynę śmierci i niepełnosprawności na świecie. Kluczowym narzędziem oceny wyników po udarze jest 90-dniowa skala Rankina (mRS), a wczesne i precyzyjne przewidywanie rokowań jest niezbędne do optymalizacji leczenia i alokacji zasobów. Najważniejszymi predyktorami niekorzystnych wyników są ciężkość udaru oceniana skalą NIHSS, wiek pacjenta, przedudarowa skala mRS, poziom glukozy, ciśnienie tętnicze, współistniejące choroby (zwłaszcza nadciśnienie i choroba wieńcowa), podtyp udaru oraz zakażenia szpitalne, zwłaszcza zakażenia dróg moczowych (UTI). Biomarkery zapalne, takie jak podwyższona liczba białych krwinek (WBC), stosunek neutrofili do limfocytów (NLR ≥3) oraz poziom białka C-reaktywnego (CRP), korelują z gorszymi krótkoterminowymi wynikami, co sugeruje potencjalną rolę terapii przeciwzapalnej w leczeniu ostrego udaru niedokrwiennego (AIS).
algorytm uczenia maszynowego, białko C-reaktywne, biomarker zapalny, choroba wieńcowa, choroby współistniejące, ciśnienie krwi, kora ruchowa, liczba białych krwinek, maszyna wektorów nośnych, nadciśnienie, obrazowanie metodą rezonansu magnetycznego, ostry udar niedokrwienny, poziom glukozy we krwi, przepływ krwi mózgowej, reperfuzja, skala NIHSS, skala Rankina, stosunek neutrofili do limfocytów, terapia przeciwzapalna, tromboliza, udar niedokrwienny, współczynnik dyfuzji, zakażenie dróg moczowych, zawał
Leksykon chorób i schorzeń
Dysleksja – Rokowania, prognozy i postęp choroby

Prognozowanie przebiegu dysleksji rozwojowej opiera się na analizie zarówno tradycyjnych czynników klinicznych, jak wywiad rodzinny, wczesne opóźnienia językowe oraz badania przesiewowe obejmujące świadomość fonologiczną, znajomość liter i szybkie automatyczne nazywanie (RAN). Jednakże ich wartość prognostyczna jest ograniczona w porównaniu z nowoczesnymi metodami neuroobrazowania. Kluczowe odkrycia wskazują, że zwiększona aktywacja prawego obszaru przedczołowego podczas zadań fonologicznych oraz integralność istoty białej w prawym pęczku podłużnym górnym (SLF), oceniana za pomocą anizotropii frakcjonowanej (FA) w obrazowaniu tensora dyfuzji (DTI), są istotnymi predyktorami długoterminowej poprawy umiejętności czytania u dzieci z dysleksją. Wielowymiarowa analiza wzorców (MVPA) z zastosowaniem maszyn wektorów nośnych (SVM) pozwala przewidzieć poprawę z dokładnością do 72-90%, znacznie przewyższającą tradycyjne testy behawioralne, które nie wykazały zdolności prognostycznej.
anizotropia frakcjonowana, badanie przesiewowe, dysleksja rozwojowa, istota biała, maszyna wektorów nośnych, medycyna spersonalizowana, neuroobrazowanie, obrazowanie tensora dyfuzji, pęczek łukowaty, pęczek podłużny górny, przetwarzanie fonologiczne, świadomość fonologiczna, szybkie automatyczne nazywanie, uczenie maszynowe, umiejętności dekodowania, umiejętności językowe, walidacja krzyżowa
Leksykon chorób i schorzeń
Choroba serca – Rokowania, prognozy i postęp choroby

Niewydolność serca (HF) pozostaje jednym z kluczowych wyzwań kardiologii, charakteryzując się rosnącą częstością występowania i wysoką śmiertelnością. Rokowanie u pacjentów z HF zależy od wielu czynników, w tym wieku (5-letni wskaźnik przeżycia: 79% dla <65 lat vs. 50% dla ≥75 lat), frakcji wyrzutowej lewej komory (LVEF <40% wiąże się z wyższym ryzykiem zgonu), klasy czynnościowej NYHA, biomarkerów takich jak BNP, parametrów nerkowych (GFR), liczby hospitalizacji (HR 3,2; 95% CI 2,8-3,5 po hospitalizacji), ciśnienia tętniczego, parametrów hematologicznych oraz statusu socjoekonomicznego i chorób współistniejących. Metaanaliza z 2019 roku wskazuje na przeżywalność w HF na poziomie 87% po 1 roku, 73% po 2 latach, 57% po 5 latach i 35% po 10 latach. Wydolność fizyczna oceniana testem 6MWT oraz ultrasonografia płuc (LUS) z oceną linii B stanowią istotne narzędzia prognostyczne, a szczytowe VO2 pozostaje złotym standardem w ocenie rokowania.
6-minutowy test chodu, choroba wieńcowa, ciśnienie tętnicze, elektroniczna dokumentacja medyczna, fotopletyzmografia, frakcja wyrzutowa lewej komory, klasyfikacja NYHA, kompleks QRS, liczba białych krwinek, maszyna wektorów nośnych, niewydolność serca, niewydolność serca z obniżoną frakcją wyrzutową, niewydolność serca z zachowaną frakcją wyrzutową, niewydolność wątroby, ostra niewydolność serca, peptyd natriuretyczny typu B, perceptron wielowarstwowy, poważne zdarzenia sercowo-naczyniowe, przeszczep serca, przewlekła niewydolność serca, sieć neuronowa RBF, średnia objętość krwinki, udar, układ sercowo-naczyniowy, ultrasonografia płuc, wskaźnik filtracji kłębuszkowej, zachowana frakcja wyrzutowa, zastój płucny, zawał mięśnia sercowego
Leksykon chorób i schorzeń
Zespół stresu pourazowego – Rokowania, prognozy i postęp choroby

Zespół stresu pourazowego (PTSD) jest zaburzeniem psychicznym rozwijającym się u 5-10% osób po ekspozycji na traumatyczne wydarzenia, z częstością około 8% w populacji ogólnej i 11-20% wśród weteranów z Iraku i Afganistanu. Objawy pojawiają się zwykle w ciągu 3 miesięcy od traumy, ale mogą się utrzymywać latami i współistnieć z depresją, uzależnieniami oraz innymi schorzeniami somatycznymi i psychicznymi. Rokowanie jest zróżnicowane: około 30% pacjentów osiąga pełną remisję po leczeniu, a 40% doświadcza poprawy z utrzymującymi się łagodnymi do umiarkowanymi objawami. Terapie psychologiczne prowadzą do remisji u 53% pacjentów, a farmakoterapia u 42%. Wczesne rozpoczęcie leczenia znacząco poprawia rokowanie, natomiast brak terapii sprzyja przewlekłości i rozwojowi powikłań, w tym zwiększonego ryzyka śmiertelności (OR 1,47; HR 1,32). Weterani z PTSD mają dwukrotnie wyższe ryzyko zgonu z powodu samobójstwa, urazów i wirusowego zapalenia wątroby. Zaburzenie wiąże się także z podwyższonym ryzykiem chorób sercowo-naczyniowych, co potwierdzają badania funkcjonalnej oceny rozszerzalności naczyń (FMD).
benzodiazepina, biomarker neuroobrazowy, choroba układu sercowo-naczyniowego, ciało migdałowate, depresja, funkcjonalny rezonans magnetyczny, kora zakrętu obręczy, kortykosteroid systemowy, kortyzol, maszyna wektorów nośnych, naczynie krwionośne, remisja, ryzyko śmiertelności, tętnica ramienna, uczenie maszynowe, wirusowe zapalenie wątroby, zaburzenia pamięci, zaburzenie lękowe, zaburzenie neurologiczne, zaburzenie psychiczne, zdarzenie traumatyczne, zespół stresu pourazowego
Leksykon chorób i schorzeń
Atak astmy – Rokowania, prognozy i postęp choroby

Ataki astmy stanowią poważne zagrożenie zdrowotne, a ich wczesne wykrycie i przewidywanie zaostrzeń są kluczowe dla skutecznego zarządzania chorobą. Najsilniejszym predyktorem przyszłych ataków jest historia wcześniejszych zaostrzeń, zwłaszcza w ciągu ostatniego roku. Inne istotne czynniki ryzyka to wiek podeszły, wcześniejsza wentylacja mechaniczna, obturacyjny bezdech senny, nadużywanie SABA, niekontrolowana astma, umiarkowana do ciężkiej depresja, eozynofilia, saturacja tlenem ≤90% (OR = 4,56; 95% CI 3,45-7,56; P≤0,001) oraz niskie wartości szczytowego przepływu wydechowego (PEF) po 1 godzinie leczenia (OR = 3,34; 95% CI 1,90-4,90; P≤0,001). Fenotypy zapalne krwi, takie jak wysoka liczba eozynofilów i niska liczba neutrofilów (HBE/LBN), również korelują z wyższym ryzykiem zaostrzeń, szczególnie u dzieci hospitalizowanych w sezonie zimowym i jesiennym. Epigenetyczne mechanizmy, w tym metylacja DNA i ekspresja mikroRNA, oraz czynniki genetyczne, takie jak regulacja chromatyny przez SMARCC1, SETD2, KMT2B i CHD8, odgrywają istotną rolę w patogenezie i prognozie astmy.
astma alergiczna, astma niealergiczna, atak astmy, ciężkie zaostrzenie astmy, cyfrowy biomarker, ekspresja mikroRNA, eozynofilia, fenotyp astmy, iloraz szans, infekcja dolnych dróg oddechowych, krótko działający beta-agonista, las losowy, marker zapalny, maszyna wektorów nośnych, metylacja DNA, model predykcyjny, modyfikacja histonów, niekontrolowana astma, obturacyjny bezdech senny, saturacja tlenu, świszczący oddech, szczytowy przepływ wydechowy, sztuczna inteligencja, uczenie maszynowe, walidacja zewnętrzna, wzrost płuc, zaostrzenie astmy
Leksykon chorób i schorzeń
Astma – Rokowania, prognozy i postęp choroby

Astma jest przewlekłą chorobą dróg oddechowych o zmiennym przebiegu klinicznym, gdzie zaostrzenia znacząco wpływają na jakość życia i obciążenie ekonomiczne. Wczesna identyfikacja pacjentów z grupy ryzyka, zwłaszcza dzieci poniżej 5 roku życia, jest kluczowa dla skutecznej interwencji. Modele predykcyjne, takie jak Asthma Predictive Index (API), wykorzystują parametry kliniczne i biomarkery (np. eozynofilię, testy skórne, specyficzne IgE) do oceny ryzyka rozwoju astmy. Ciężkie zaostrzenia można przewidzieć na podstawie czynników ryzyka, takich jak SO2 ≤90% (OR=4,56; 95% CI 3,45-7,56; p≤0,001), niskie wartości PEFR po 1 godzinie (OR=3,34; 95% CI 1,90-4,90; p≤0,001) oraz niekontrolowana astma (OR=3,33; 95% CI 2,50-5,05; p≤0,001). Fenotypy zapalne krwi, np. HBE/LBN, korelują z sezonową zmiennością zaostrzeń, co ma znaczenie w zarządzaniu pacjentami pediatrycznymi.
biomarker, ciężka astma, egzema, eozynofilia krwi, eozynofilia krwi obwodowej, fenotyp astmy, krótko działający beta-agonista, krzywa ROC, las losowy, maszyna wektorów nośnych, nieżyt nosa, nomogram, obturacyjna choroba płuc, obturacyjny bezdech senny, POChP, przewlekła choroba dróg oddechowych, specyficzne IgE, świszczący oddech, szczytowy przepływ wydechowy, test skórny, uczenie maszynowe, wentylacja mechaniczna, wyjaśnialna sztuczna inteligencja, zaostrzenie astmy
Leksykon chorób i schorzeń
Nowotwór – Rokowania, prognozy i postęp choroby

Nowotwory stanowią istotną przyczynę chorobowości i śmiertelności globalnie, a precyzyjne prognozowanie przebiegu choroby jest kluczowe dla personalizacji terapii onkologicznej. Tradycyjne metody oparte na parametrach kliniczno-patologicznych, takich jak klasyfikacja TNM, grading, stan węzłów chłonnych, obecność przerzutów oraz ocena sprawności według skali WHO-PS (ECOG-PS), mają ograniczoną skuteczność prognostyczną. W ostatnich latach rozwój sztucznej inteligencji (AI), uczenia maszynowego (ML) i głębokiego uczenia (DL) umożliwił integrację danych klinicznych, genomowych, radiomicznych i histopatologicznych, co znacząco poprawia dokładność przewidywania przeżycia i odpowiedzi na leczenie. Modele DL, takie jak DNN, CNN, DBN, DRN oraz transformatory wizyjne (ViT), wykazują przewagę nad tradycyjnymi metodami, umożliwiając m.in. ocenę ryzyka nawrotu, wczesną diagnostykę oraz dobór optymalnej terapii. Przykłady biomarkerów molekularnych o znaczeniu prognostycznym to 70-genowa sygnatura w raku piersi oraz test Oncotype DX (21 genów), które pomagają w stratyfikacji ryzyka i decyzjach terapeutycznych, choć ich skuteczność może być ograniczona czasowo (np. do 5 lat w przypadku Oncotype DX). Obciążenie mutacyjne guza (TMB) jest istotnym wskaźnikiem u pacjentów poddawanych immunoterapii.
choroba nowotworowa, delecja 11q, dokumentacja medyczna, drzewo decyzyjne, głęboka sieć neuronowa, głębokie uczenie, glejak niższego stopnia, klasyfikacja TNM, konwolucyjna sieć neuronowa, maszyna wektorów nośnych, mutacja ATM, obciążenie mutacyjne guza, przerzut odległy, przewlekła białaczka limfocytowa, rak nadnercza, rak pęcherza moczowego, rak piersi, rak prostaty, rak szyjki macicy, rak trzustki, sekwencjonowanie DNA, skala WHO-PS, stopień zróżnicowania guza, sztuczna sieć neuronowa, terapia adjuwantowa, węzły chłonne
Leksykon chorób i schorzeń
Niedożywienie – Rokowania, prognozy i postęp choroby

Niedożywienie stanowi istotny czynnik ryzyka pogorszenia rokowania u pacjentów hospitalizowanych, szczególnie w grupach wysokiego ryzyka, takich jak osoby starsze, pacjenci z chorobami przewlekłymi, krytycznie chorzy oraz dzieci z ciężkim niedożywieniem ostrym (SAM). Wczesna identyfikacja niedożywienia za pomocą narzędzi takich jak PNI, CONUT, NUTRIC i mNUTRIC, które opierają się na parametrach laboratoryjnych (albumina, limfocyty, cholesterol) oraz ocenie ryzyka żywieniowego, pozwala na wdrożenie odpowiedniej interwencji żywieniowej, co znacząco obniża śmiertelność i częstość powikłań. U pacjentów z posocznicą i COVID-19 wskaźniki te wykazują wysoką wartość prognostyczną, a u dzieci z SAM obecność objawów ostrzegawczych (hipoglikemia, obrzęk, biegunka) zwiększa ryzyko śmiertelności nawet 11-krotnie. Ponadto, sarkopenia i niska siła uścisku dłoni (HGS) są silnymi predyktorami złych wyników klinicznych, co podkreśla konieczność kompleksowego podejścia do oceny stanu odżywienia.
choroba Leśniowskiego-Crohna, markery biochemiczne, maszyna wektorów nośnych, niedożywienie związane z chorobą, nowotwory złośliwe, ostre niedożywienie, poziom albuminy, prealbumina, rękawowa gastrektomia, sarkopenia, siła uścisku dłoni, spoczynkowy wydatek energetyczny, stan zapalny, sztuczna inteligencja w medycynie, wskaźnik beztłuszczowej masy ciała