A fejlett algoritmus megjósolja a súlyos agysérülésben szenvedő betegek kimenetelét

Egy amerikai kutatócsoport olyan innovatív mélytanulási modellt hozott létre, amely a CT-vizsgálatokat és a klinikai információkat elemzi, hogy előre jelezze a súlyos traumás agysérülésben (TBI) szenvedő betegek hat hónapos kimenetelét. Amellett, hogy felülmúlja az idegsebészek előrejelzéseit, az algoritmus a TBI-s betegeket is pontosan az életmentő ellátás felé tereli.

Jobb klinikai döntések

A kutatás részeként az adatkutatók a Pittsburgh Egyetem Orvostudományi Kara neurotrauma sebészekkel dolgozott a Pittsburghi Egyetem Orvosi Központjában (UPMC) egy új mesterséges intelligencia modell létrehozása, amely feldolgozza a súlyos TBI-s betegek többszörös fej-CT-vizsgálatát. pontban leírt algoritmus Radiológiaelemzi a betegek életjeleit, vérvizsgálatait és szívműködését, valamint becsüli a kóma súlyosságát.

Felismerve azt a tényt, hogy az agyi képalkotó technikák idővel fejlődnek, és hogy a képminőség betegenként jelentősen változhat, a csapat az adatok szabálytalanságáért számolt azzal, hogy az algoritmust különféle képalkotó protokollokon tanította.

A kutatók társszerzők vezetésével Matthew Pease és a Dooman Arefankét betegcsoporton tesztelték modelljüket – az egyikben korábban az UPMC-ben kezelt több mint 500 súlyos TBI-beteg, a másikban pedig az ország 220 intézményéből származó 18 beteg vett részt a TRACK-TBI konzorciumon keresztül. Összehasonlították a modell teljesítményét a HATÁS modell és három idegsebész előrejelzése.

A kidolgozott modell pontosan előre jelezheti a betegek halálozási kockázatát és a kedvezőtlen kimeneteleket a traumás eseményt követő hat hónapban. Fontos, hogy a modell megőrizte képességeit, amikor a TRACK-TBI konzorcium független több intézményes csoportján tesztelték. A modellről azt is kimutatták, hogy felülmúlja a három részt vevő idegsebész előrejelzéseit.

Mint vezető társszerzők Shandong Wu és a David Okonkwo magyarázza el, hogy a TBI egy olyan betegség, amely megzavarja a normális agyműködést, és maradandó neurológiai, érzelmi és foglalkozási fogyatékossághoz vezethet. Az ilyen sérülések kezelésekor az orvosok a prognózisra hagyatkoznak a klinikai terápia irányítására, ugyanakkor küzdenek a súlyos TBI kimenetelének pontos előrejelzésével. Wu megjegyzi, hogy „nagy szükség és lehetőség van a multimodális klinikai információk és a gépi tanulás kiaknázására az adatvezérelt előrejelzési modellek kidolgozására a súlyos TBI-s betegek kimenetelének előrejelzésének javítása érdekében”.

„Mély tanulási és tanterv-tanulási technikákat használtunk olyan előrejelzési modellek kidolgozására, amelyek mind a fej CT-képalkotási adatait, mind a betegek egyéb klinikai változóit feldolgozzák” – mondja Wu. "A gyakorlatban ez a modell automatizált előrejelzést adhat az egyes betegek felépülési potenciáljáról, hogy jobban tájékozódhasson a klinikai döntésekről és a betegellátásról."

Egyéni előrejelzések

Wu megjegyzi, hogy az elmúlt években a gépi tanulás és a mély tanulás átalakította az orvosi adatok elemzését, és javította a teljesítményt az orvosi betegségek számítógépes felismerésének és diagnosztizálásának támogatásában. Valójában sok gépi tanuláson alapuló modell és eszköz jelenleg tudományos vizsgálatok és klinikai értékelés alatt áll.

Wu véleménye szerint az új modell legfőbb előnye, hogy képes többdimenziós és multimodális adatok – például képek és nem képalkotó klinikai adatok – automatizált, hatékony elemzésére. Ez azt jelenti, hogy a gépi tanulás lényeges információkat tanulhat meg ezekből az összetett adatokból, amelyeket az orvosok számára nehéz megemészteni és feldolgozni.

„Módszerünk személyre szabott előrejelzéseket is nyújthat a meglévő modellekkel, például az IMPACT modellel összehasonlítva, amelyet a klinikai vizsgálatok irányítására terveztek, nem pedig az egyes betegek előrejelzésére” – mondja.

A modell jelenleg a beteg sürgősségi osztályon történő felvétele során szerzett adatokon alapul, de a projektcsoport azt tervezi, hogy továbbfejleszti azt a TBI-beteg ellátása során szerzett longitudinális adatok beépítésével.

„Azt is tervezzük, hogy feltárjuk az értékelést, és azonosítjuk a lehetséges akadályokat az ilyen modellek klinikai munkafolyamatokban és környezetekben való alkalmazása tekintetében” – teszi hozzá Wu.

A poszt A fejlett algoritmus megjósolja a súlyos agysérülésben szenvedő betegek kimenetelét jelent meg először Fizika Világa.

• Coinsmart. Európa legjobb Bitcoin- és kriptográfiai tőzsdéje.
• Platoblockchain. Web3 metaverzum intelligencia. Felerősített tudás. SZABAD HOZZÁFÉRÉS.
• CryptoHawk. Altcoin radar. Ingyenes próbaverzió.
• Forrás: https://physicsworld.com/a/advanced-algorithm-predicts-outcome-for-patients-with-severe-brain-injury/