Исследователи разрабатывают модель машинного обучения, которая предсказывает синдром хронической усталости с точностью 83% и ускоряет диагностику. Researchers develop a machine learning model that predicts chronic fatigue syndrome with 83% accuracy, speeding up diagnosis.

Исследователи Мельбурнского университета разработали модель машинного обучения, которая позволяет прогнозировать синдром хронической усталости (СФС) с 83% точности путем анализа 28 биомаркеров и симптомов. Researchers at the University of Melbourne have created a machine learning model that can predict chronic fatigue syndrome (CFS) with 83% accuracy by analyzing 28 biomarkers and symptoms. Это могло бы значительно ускорить диагностику состояния, которое часто занимает годы для выявления из-за отсутствия окончательного теста. This could significantly speed up diagnosis for a condition that often takes years to identify due to lack of a definitive test. В конечном счете эта модель может быть использована в отделениях ГП для содействия более быстрому и более точному диагностированию. The model could eventually be used in GP offices to aid quicker and more accurate diagnoses.