Intelligent decision systems in Medicine — A short survey on medical diagnosis and patient management

Gorunescu, Florin

doi:10.1109/ehb.2015.7391552

Cited by 12 publications

(4 citation statements)

References 25 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Teletıptaki kullanım eğilimleri, hasta izleme, sağlık hizmetleri bilgi teknolojisi, akıllı asistan teşhis yardımı ve bilgi analizi alanlarında yoğunlaşmaktadır [41]. Yapay zeka, otomatik tanı ve tedavi önerisi, görüntü tanıma ve yorumlama gibi çeşitli alanları kapsamaktadır [42]. Yapay zeka ve derin öğrenme algoritmaları çok hızlı analiz yaparak hekimlere yol göstermekte ve hastalıkların teşhisinde önemli katkı sunmaktadır [43].…”

Section: Yöntem (Method)unclassified

Teletıp Araştırmalarının Görsel Haritalama Tekniği ile Bibliyometrik Analizi

Mansur

Aydin

2021

Bilişim Teknolojileri Dergisi

View full text Add to dashboard Cite

Teletıp sağlık hizmetlerinin bilişim teknolojileri aracılığıyla uzaktan sunulmasıdır. Teletıp literatüründeki eğilimlerin belirlenmesi araştırmaların gelecekteki yönlerinin belirlenmesine katkı sağlamaktadır. Belirli bir literatür alanı içindeki yayın örüntülerini tanımlamada bibliyometrik çalışma metodolojisi kullanılmakta olup, bu çalışmada, Web of Science veri tabanında indekslenmiş 391 adet bilimsel yayın bibliyometrik analiz ile incelenmiş ve veriler görsel haritalama tekniğiyle resmedilmiştir. Bibliyometrik analizler sonucunda, teletıp alanında gözlemlenen araştırma eğilimlerinin en fazla elektrik-elektronik mühendisliği, telekomünikasyon, bilgisayar ve bilgi sistemleri, sağlık bilişimi, yapay zeka, sağlık bilimleri/hizmetleri, radyoloji ve oftalmoloji alanlarında yoğunlaştığı görülmektedir. Yayınlar ağırlıklı olarak bildiri ve makale türündedir. Teletıp alanında yapılan bilimsel çalışmaların artış oranı yıllara göre değişmekle birlikte istikrarlı bir artış göstermemektedir. Teletıp konusunda literatüre en fazla katkı sağlayan ülke Amerika Birleşik Devletleri olup, Hindistan, İtalya, İngiltere ve Hollanda'nın da katkıları bulunmaktadır. Teletıpın klinik uygulamaları açısından değerlendirildiğinde, en fazla atıf alan yazarlara ait çalışmaların teleyoğunbakım, teletravma, teleoftalmoloji ve telekardiyoloji alanlarında yapıldığı görülmektedir. Teletıp teknolojileri için, sinirbilim, nöroloji ve iş sağlığı gibi alanların ivme kazanan araştırma alanları arasında olduğu söylenebilir. Bu çalışma teletıp literatüründeki araştırma eğilimlerini belirlemek amacıyla yapılmıştır. Elde edilen bulguların konuyla ilgili yapılacak çalışmalara yol göstereceği ve teletıp alanında büyüme kaydeden araştırma alanları ile yakın gelecekte araştırma faaliyetlerinin odağı olmaya aday konular hakkında araştırmacılara katkı sağlayacağı düşünülmektedir.

show abstract

Section: Yöntem (Method)unclassified

Teletıp Araştırmalarının Görsel Haritalama Tekniği ile Bibliyometrik Analizi

Mansur

Aydin

2021

Bilişim Teknolojileri Dergisi

View full text Add to dashboard Cite

show abstract

“…In this work, we use prediction systems that are trained from a set of labeled records and generate a model able to classify new data ( 17 ). There are innumerable applications of this technology in medical classification systems ( 18 , 19 ). Specifically, in the LT field, ML has been used for screening and selecting LT recipients and predicting post-LT survival and complications ( 20 ).…”

Section: Introductionmentioning

confidence: 99%

Development of a liver graft assessment expert machine-learning system: when the artificial intelligence helps liver transplant surgeons

Pontes Balanza,

Castillo Tuñón,

Mateos García

et al. 2023

Front. Surg.

View full text Add to dashboard Cite

BackgroundThe complex process of liver graft assessment is one point for improvement in liver transplantation. The main objective of this study is to develop a tool that supports the surgeon who is responsible for liver donation in the decision-making process whether to accept a graft or not using the initial variables available to it.Material and methodLiver graft samples candidate for liver transplantation after donor brain death were studied. All of them were evaluated “in situ” for transplantation, and those discarded after the “in situ” evaluation were considered as no transplantable liver grafts, while those grafts transplanted after “in situ” evaluation were considered as transplantable liver grafts. First, a single-center, retrospective and cohort study identifying the risk factors associated with the no transplantable group was performed. Then, a prediction model decision support system based on machine learning, and using a tree ensemble boosting classifier that is capable of helping to decide whether to accept or decline a donor liver graft, was developed.ResultsA total of 350 liver grafts that were evaluated for liver transplantation were studied. Steatosis was the most frequent reason for classifying grafts as no transplantable, and the main risk factors identified in the univariant study were age, dyslipidemia, personal medical history, personal surgical history, bilirubinemia, and the result of previous liver ultrasound (p < 0.05). When studying the developed model, we observe that the best performance reordering in terms of accuracy corresponds to 76.29% with an area under the curve of 0.79. Furthermore, the model provides a classification together with a confidence index of reliability, for most cases in our data, with the probability of success in the prediction being above 0.85.ConclusionThe tool presented in this study obtains a high accuracy in predicting whether a liver graft will be transplanted or deemed non-transplantable based on the initial variables assigned to it. The inherent capacity for improvement in the system causes the rate of correct predictions to increase as new data are entered. Therefore, we believe it is a tool that can help optimize the graft pool for liver transplantation.

show abstract

“…The firms of high tech, telecom, automotive, and financial sectors appear to be on a high AI adoption curve, whereas their counterparts of healthcare, education, travel sectors seem to be on a low AI adoption curve. Although AI in healthcare has become an essential tool, especially in diseases diagnosis, image recognition and interpretation, therapy recommendation, patient management, and telemedicine (Gorunescu, 2015), its adoption as indicated in McKinsey's report is lacking and needs further investigation to help understand its promising role across different healthcare services. This has been supported by Secinaro et al (2021) who highlighted how emerging the use of AI in healthcare, which gives us a higher motivation to disclose to what extent AI can play a role in affecting health services, considering the patients' privacy and trust.…”

Section: Introductionmentioning

confidence: 99%

Ai Adoption in Healthcare: Trust and Privacy Concerns

2022

Proceedings of the International Conferences on Applied Computing 2022 and WWW/Internet 2022

View full text Add to dashboard Cite

This study aims to provide an empirical investigation of different factors that could affect AI adoption in healthcare. Since prior research has overlooked AI adoption in healthcare, especially in the Arab context, this research in progress can fill this untapped gap and develop a theoretical framework to evaluate the customer-concerned factors (i.e., trust and privacy concerns) across different healthcare services. Due to its good generalizability, a theory of planned behavior can fit well to the healthcare context and hence can provide an adequate theoretical lens to understand the phenomenon of AI adoption. This study can expand our knowledge of AI and highlight the importance of its role to reinforce the provided healthcare services as well as meet the pressing patients' needs for better quality.

show abstract

Intelligent decision systems in Medicine — A short survey on medical diagnosis and patient management

Cited by 12 publications

References 25 publications

Teletıp Araştırmalarının Görsel Haritalama Tekniği ile Bibliyometrik Analizi

Teletıp Araştırmalarının Görsel Haritalama Tekniği ile Bibliyometrik Analizi

Development of a liver graft assessment expert machine-learning system: when the artificial intelligence helps liver transplant surgeons

Ai Adoption in Healthcare: Trust and Privacy Concerns

Contact Info

Product

Resources

About