خوارزمية متقدمة تتنبأ بالنتائج للمرضى الذين يعانون من إصابات دماغية شديدة

ابتكر فريق من الباحثين في الولايات المتحدة نموذجًا مبتكرًا للتعلم العميق يحلل الأشعة المقطعية والمعلومات السريرية للتنبؤ بنتائج ستة أشهر للمرضى الذين يعانون من إصابات دماغية شديدة (TBI). بالإضافة إلى التفوق في الأداء على تنبؤات جراحي الأعصاب ، يمكن للخوارزمية أيضًا توجيه مرضى إصابات الدماغ الرضية بدقة نحو الرعاية المنقذة للحياة.

قرارات سريرية أفضل

كجزء من البحث ، قام علماء البيانات في كلية الطب بجامعة بيتسبرغ عملت مع جراحي الصدمات العصبية في المركز الطبي بجامعة بيتسبرغ (UPMC) لإنشاء نموذج ذكاء اصطناعي جديد يعالج فحوصات متعددة للرأس بالأشعة المقطعية لمرضى إصابات الدماغ الحادة. الخوارزمية الموصوفة في طب الأشعة، كما يحلل العلامات الحيوية للمرضى ، واختبارات الدم ووظائف القلب ، وكذلك تقديرات شدة الغيبوبة.

اعترافًا بحقيقة أن تقنيات تصوير الدماغ تتطور بمرور الوقت ، وأن جودة الصورة يمكن أن تختلف اختلافًا كبيرًا من مريض لآخر ، قام الفريق بحساب عدم انتظام البيانات من خلال تدريب الخوارزمية على مجموعة من بروتوكولات التصوير المختلفة.

الباحثون بقيادة المؤلفين المشاركين الأوائل ماثيو بيز و دومين عارفان، تم التحقق من صحة نموذجهم من خلال اختباره على مجموعتين من المرضى - أحدهما يتكون من أكثر من 500 مريض مصاب بمرض إصابات حاد تم علاجهم سابقًا في UPMC والآخر من 220 مريضًا من 18 مؤسسة في جميع أنحاء البلاد ، من خلال اتحاد TRACK-TBI. قارنوا أداء النموذج بأداء التأثير نموذج وتنبؤات ثلاثة جراحي أعصاب.

يمكن للنموذج المطور أن يتنبأ بدقة بخطر وفاة المرضى والنتائج غير المواتية في ستة أشهر بعد الحادث الصادم. الأهم من ذلك ، حافظ النموذج على قدرته عند اختباره على مجموعة مستقلة متعددة المؤسسات من اتحاد TRACK-TBI. كما تبين أن النموذج يتفوق في الأداء على التنبؤات التي قدمها ثلاثة من جراحي الأعصاب المعالجين.

كمؤلفين مشاركين كبار شاندونغ وو و ديفيد أوكونكو اشرح أن إصابات الدماغ الرضية مرض يعطل وظائف المخ الطبيعية ويمكن أن يؤدي إلى إعاقة عصبية وعاطفية ومهنية دائمة. عند علاج مثل هذه الإصابات ، يعتمد الأطباء على التكهن لتوجيه العلاج السريري ، ومع ذلك يكافحون من أجل تشخيص النتائج بدقة في الإصابة الشديدة بإصابات الدماغ الرضية. على هذا النحو ، يلاحظ وو ، هناك "حاجة كبيرة وإمكانية للاستفادة من المعلومات السريرية متعددة الوسائط والتعلم الآلي لتطوير نماذج تنبؤ تعتمد على البيانات لتحسين التنبؤ بالنتائج لمرضى إصابات الدماغ الشديدة".

يقول وو: "لقد استخدمنا تقنيات التعلم العميق وتعلم المناهج الدراسية لتطوير نماذج التنبؤ التي تعالج بيانات التصوير المقطعي المحوسب للرأس والمتغيرات السريرية الأخرى للمرضى". "في الممارسة العملية ، يمكن أن يوفر هذا النموذج تنبؤًا آليًا لإمكانية تعافي المريض الفردي لإبلاغ القرارات السريرية ورعاية المريض بشكل أفضل."

تنبؤات فردية

يلاحظ وو أنه في السنوات الأخيرة ، أدى التعلم الآلي والتعلم العميق إلى تحويل تحليل البيانات الطبية وتحسين الأداء في دعم تشخيص الكشف بمساعدة الكمبيوتر وفرز الأمراض الطبية. في الواقع ، العديد من النماذج والأدوات القائمة على التعلم الآلي تخضع الآن للتحقيق الأكاديمي والتقييم السريري.

من وجهة نظر وو ، تتمثل الميزة الرئيسية للنموذج الجديد في قدرته على التحليل الفعال للبيانات متعددة الأبعاد والوسائط المتعددة ، مثل الصور والبيانات السريرية غير التصويرية ، بطريقة آلية. وهذا يعني أن التعلم الآلي يمكن أن يتعلم المعلومات الأساسية من هذه البيانات المعقدة ، والتي قد يصعب على الطبيب البشري هضمها ومعالجتها.

يقول: "يمكن أن توفر طريقتنا أيضًا تنبؤات فردية مقارنة بالنماذج الحالية مثل نموذج IMPACT ، الذي تم تصميمه لتوجيه التجارب السريرية وليس تشخيص المرضى الفرديين".

في الوقت الحالي ، يعتمد النموذج على البيانات التي تم الحصول عليها عند دخول المريض إلى غرفة الطوارئ ، لكن فريق المشروع يخطط لزيادة تعزيزه من خلال دمج البيانات الطولية التي تم الحصول عليها أثناء رعاية المريض المصاب.

ويضيف وو قائلاً: "نخطط أيضًا لاستكشاف التقييم وتحديد العوائق المحتملة فيما يتعلق بنشر مثل هذه النماذج في سير العمل والإعدادات السريرية".

وظيفة خوارزمية متقدمة تتنبأ بالنتائج للمرضى الذين يعانون من إصابات دماغية شديدة ظهرت للمرة الأولى على عالم الفيزياء.

• كوينسمارت. أفضل بورصة للبيتكوين والعملات المشفرة في أوروبا.
• بلاتوبلوكشين. Web3 Metaverse Intelligence. تضخيم المعرفة. دخول مجاني.
• كريبتوهوك. الرادار. تجربة مجانية.
• المصدر: https://physicsworld.com/a/advanced-algorithm-predicts-outcome-for-patients-with-severe-brain-injury/