उन्नत एल्गोरिथम गंभीर मस्तिष्क की चोट वाले मरीजों के लिए परिणाम की भविष्यवाणी करता है

प्लेटो द्वारा पुनर्प्रकाशित

अनुयायियों: 0

यूएस-आधारित शोधकर्ताओं की एक टीम ने एक अभिनव गहन-शिक्षण मॉडल बनाया है जो गंभीर दर्दनाक मस्तिष्क की चोट (टीबीआई) के रोगियों के लिए छह महीने के परिणामों की भविष्यवाणी करने के लिए सीटी स्कैन और नैदानिक जानकारी का विश्लेषण करता है। न्यूरोसर्जनों की भविष्यवाणियों को बेहतर प्रदर्शन करने के अलावा, एल्गोरिथम टीबीआई रोगियों को जीवन रक्षक देखभाल की ओर भी सटीक रूप से आगे बढ़ा सकता है।

बेहतर नैदानिक निर्णय

शोध के हिस्से के रूप में, डेटा वैज्ञानिक यूनिवर्सिटी ऑफ पिट्सबर्ग स्कूल ऑफ मेडिसिन पिट्सबर्ग मेडिकल सेंटर विश्वविद्यालय में न्यूरोट्रॉमा सर्जन के साथ काम किया (UPMC) एक नया कृत्रिम बुद्धिमत्ता मॉडल बनाने के लिए जो गंभीर TBI रोगियों के कई सिर के सीटी स्कैन को संसाधित करता है। एल्गोरिथ्म, में वर्णित है रेडियोलोजी, रोगियों के महत्वपूर्ण संकेतों, रक्त परीक्षण और हृदय क्रिया के साथ-साथ कोमा की गंभीरता के अनुमानों का भी विश्लेषण करता है।

googletag.cmd.push (function () {googletag.display ('div-gpt-ad-3759129-1');});

इस तथ्य की मान्यता में कि मस्तिष्क इमेजिंग तकनीक समय के साथ विकसित होती है, और यह कि छवि गुणवत्ता रोगी से रोगी में काफी भिन्न हो सकती है, टीम ने विभिन्न इमेजिंग प्रोटोकॉल की एक श्रृंखला पर एल्गोरिदम को प्रशिक्षित करके डेटा अनियमितता के लिए जिम्मेदार ठहराया।

सह-प्रथम लेखकों के नेतृत्व में शोधकर्ता मैथ्यू पीज़ और डूमन अरेफ़ान, ने दो रोगी समूहों पर परीक्षण करके अपने मॉडल को मान्य किया - एक जिसमें 500 से अधिक गंभीर TBI रोगी शामिल हैं जिनका पहले UPMC में इलाज किया गया था और दूसरा देश भर के 220 संस्थानों के 18 रोगियों में से, TRACK-TBI कंसोर्टियम के माध्यम से। उन्होंने मॉडल के प्रदर्शन की तुलना उस से की प्रभाव मॉडल और तीन न्यूरोसर्जन की भविष्यवाणियां।

विकसित मॉडल दर्दनाक घटना के बाद छह महीने में रोगियों की मृत्यु के जोखिम और प्रतिकूल परिणामों की सटीक भविष्यवाणी कर सकता है। महत्वपूर्ण रूप से, TRACK-TBI कंसोर्टियम से एक स्वतंत्र बहु-संस्थागत कोहोर्ट पर परीक्षण किए जाने पर मॉडल ने अपनी क्षमता बनाए रखी। मॉडल को तीन उपस्थित न्यूरोसर्जनों द्वारा की गई भविष्यवाणियों से बेहतर प्रदर्शन करने के लिए भी दिखाया गया था।

वरिष्ठ सह-लेखकों के रूप में शेडोंग वू और डेविड ओकोंकोव समझाएं, टीबीआई एक ऐसी बीमारी है जो सामान्य मस्तिष्क समारोह को बाधित करती है और स्थायी न्यूरोलॉजिकल, भावनात्मक और व्यावसायिक अक्षमता का कारण बन सकती है। ऐसी चोटों का इलाज करते समय, चिकित्सक नैदानिक उपचार का मार्गदर्शन करने के लिए पूर्वानुमान पर भरोसा करते हैं, फिर भी गंभीर टीबीआई में परिणामों का सटीक अनुमान लगाने के लिए संघर्ष करते हैं। जैसे, वू नोट करता है, "गंभीर TBI रोगियों के लिए परिणाम भविष्यवाणी में सुधार के लिए डेटा-संचालित भविष्यवाणी मॉडल विकसित करने के लिए मल्टीमॉडल नैदानिक सूचना और मशीन सीखने का लाभ उठाने की बहुत आवश्यकता और क्षमता है"।

वू कहते हैं, "हमने भविष्यवाणी मॉडल विकसित करने के लिए गहरी सीखने और पाठ्यक्रम-शिक्षण तकनीकों का इस्तेमाल किया जो सिर सीटी इमेजिंग डेटा और रोगियों के अन्य नैदानिक चर दोनों को संसाधित करते हैं।" "व्यवहार में, यह मॉडल नैदानिक निर्णयों और रोगी देखभाल को बेहतर ढंग से सूचित करने के लिए एक व्यक्तिगत रोगी की वसूली क्षमता के लिए स्वचालित भविष्यवाणी प्रदान कर सकता है।"

व्यक्तिगत भविष्यवाणियां

वू ने देखा कि, हाल के वर्षों में, मशीन लर्निंग और डीप लर्निंग ने मेडिकल डेटा विश्लेषण को बदल दिया है और कंप्यूटर एडेड डिटेक्शन डायग्नोसिस और मेडिकल रोगों के ट्राइएज का समर्थन करने में बेहतर प्रदर्शन किया है। दरअसल, कई मशीन लर्निंग-आधारित मॉडल और उपकरण अब अकादमिक जांच और नैदानिक मूल्यांकन के अधीन हैं।

वू के विचार में, नए मॉडल का मुख्य लाभ यह है कि यह स्वचालित तरीके से बहुआयामी और बहुआयामी डेटा, जैसे छवियों और गैर-इमेजिंग नैदानिक डेटा का प्रभावी ढंग से विश्लेषण करने में सक्षम है। इसका मतलब यह है कि मशीन लर्निंग इन जटिल डेटा से आवश्यक जानकारी सीख सकती है, जिसे मानव चिकित्सक के लिए पचाना और संसाधित करना मुश्किल हो सकता है।

अधिक पढ़ें

एआई ईईजी ट्रेस से कोमा के परिणाम की भविष्यवाणी करता है

"हमारी विधि मौजूदा मॉडल जैसे इम्पैक्ट मॉडल की तुलना में व्यक्तिगत भविष्यवाणियां भी प्रदान कर सकती है, जिसे नैदानिक परीक्षणों को मार्गदर्शन करने के लिए डिज़ाइन किया गया था और व्यक्तिगत रोगियों का निदान नहीं किया गया था।"

वर्तमान में, मॉडल आपातकालीन कक्ष में रोगी के प्रवेश पर प्राप्त आंकड़ों पर आधारित है, लेकिन परियोजना टीम टीबीआई रोगी की देखभाल के दौरान प्राप्त अनुदैर्ध्य डेटा को शामिल करके इसे और बढ़ाने की योजना बना रही है।

वू कहते हैं, "हम नैदानिक कार्यप्रवाह और सेटिंग्स में ऐसे मॉडलों को तैनात करने के संबंध में मूल्यांकन का पता लगाने और संभावित बाधाओं की पहचान करने की भी योजना बना रहे हैं।"

मेडिकल फिजिक्स वीक में एआई द्वारा समर्थित है सूर्य परमाणु, विकिरण चिकित्सा और नैदानिक इमेजिंग केंद्रों के लिए रोगी सुरक्षा समाधान के निर्माता। मुलाकात www.sunन्यूक्लियर.com और अधिक जानकारी प्राप्त करने के लिए.