AI Summary & Key Takeaways
AI InsightIn this review, the methods used in the diagnosis of COVID 19 are summarized, the basic principles of machine learning models are explained and examples of the use of biochemistry tests and machine learning models are given.
📌 3 Key Takeaways
Abstract
Machine learning approach, which can develop self learning systems with big data analysis, has been used in laboratory medicine as in many fields today. Although the real time reverse transcription polymerase chain reaction (rRTPCR) test is the gold standard method in the diagnosis of COVID 19, it has many disadvantages such as sensitive preanalytical phase, long turn around time and continuous need for consumables. Machine learning algorithms, which are now a part of daily life, have been tried as a cost free alternative method to existing diagnostic methods in the COVID 19 pandemic. When looking at the studies on this subject, machine learning models created with routine biochemistry tests have shown a successful performance in many different aspects such as rapid exclusion with diagnosis, prognosis, comparison of clinically relevant tests. Considering the widespread clinical use of biochemical tests and auto analyzers in the routine medical laboratories and the appropriate software infrastructures of laboratory information systems along with the increased healthcare costs and the disadvantages of existing methods, it is predicted that the relationship between machine learning and biochemistry laboratory will continue to be a popular topic favorable to development in the future. In this review, the methods used in the diagnosis of COVID 19 are summarized, the basic principles of machine learning models are explained and examples of the use of biochemistry tests and machine learning models are given.
Özet
Büyük veri analizleri ile kendi kendine öğrenen sistemler geliştirebilen makine öğrenimi yaklaşımı günümüzde birçok alanda olduğu gibi laboratuvar tıbbında da kullanıma girmiştir. Gerçek zamanlı ters transkripsiyon polimeraz zincir reaksiyonu (rRT PCR) testi, COVID 19 tanısında altın standart metot olmasına rağmen, hassas preanalitik evre, uzun turn around time ve sürekli sarf ihtiyacı gibi birçok dezavantaja sahiptir. Günlük hayatımızın bir parçası olan makine öğrenim algoritmaları COVID 19 pandemisinde mevcut tanı yöntemlerine alternatif maliyetsiz bir metot olarak denenmiştir. Bu konuda yapılan çalışmalara bakıldığında rutin biyokimya testleri ile oluşturulan makine öğrenim modelleri tanıyla beraber hızlı dışlama, prognoz, klinik ilişkili testlerin karşılaştırılması gibi birçok farklı açıdan başarılı bir performans göstermiştir. Biyokimyasal testlerin yaygın klinik kullanımı ve tıbbi laboratuvarların rutininde yer alan otoanalizörler ve laboratuvar bilgi sistemlerinin uygun yazılım altyapıları göz önüne alındığında ve bunlara artan sağlık maliyetleri ve mevcut yöntemlerin dezavantajları eklendiğinde makine öğrenimi biyokimya laboratuvarı ilişkisinin gelecekte de gelişmeye açık popüler bir konu olmaya devam edeceği öngörülmektedir. Bu derlemede COVID 19 tanısında kullanılan yöntemler özetlenmiş, makine öğrenim modellerinin temel prensipleri anlatılmış ve biyokimya testleri ile makine öğrenim modellerinin kullanımlarına örnek verilmiştir.