Advanced Algorithm Predicts Outcome For Patients With Severe Brain Injury

Ponovno objavil Platon

Spremljevalci: 0

Skupina raziskovalcev s sedežem v ZDA je ustvarila inovativen model globokega učenja, ki analizira posnetke CT in klinične podatke za napovedovanje šestmesečnih rezultatov za bolnike s hudo travmatično poškodbo možganov (TBI). Poleg tega, da presega napovedi nevrokirurgov, lahko algoritem tudi natančno usmeri bolnike s TBI k oskrbi, ki reši življenje.

Boljše klinične odločitve

V okviru raziskave so podatkovni znanstveniki na Medicinska šola Univerze v Pittsburghu delal z nevrotravmatološkimi kirurgi na Medicinskem centru Univerze v Pittsburghu (UPMC), da bi ustvarili nov model umetne inteligence, ki obdeluje več računalniških tomografov glave bolnikov s hudo TBI. Algoritem, opisan v Radiologija, prav tako analizira bolnikove vitalne znake, krvne preiskave in delovanje srca ter ocene resnosti kome.

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

Ob priznavanju dejstva, da se tehnike slikanja možganov sčasoma razvijajo in da se kakovost slike lahko bistveno razlikuje od bolnika do bolnika, je ekipa pojasnila nepravilnosti podatkov tako, da je algoritem usposobila za vrsto različnih protokolov za slikanje.

Raziskovalci, ki jih vodijo soavtorji Matthew Pease in Dooman Arefan, so potrdili svoj model tako, da so ga testirali na dveh kohortah bolnikov – eno je sestavljalo več kot 500 bolnikov s hudo TBI, ki so bili predhodno zdravljeni na UPMC, drugo pa 220 bolnikov iz 18 institucij po vsej državi prek konzorcija TRACK-TBI. Primerjali so zmogljivost modela z zmogljivostjo IMPACT model in napovedi treh nevrokirurgov.

Razviti model bi lahko natančno napovedal bolnikovo tveganje za smrt in neugodne izide šest mesecev po travmatičnem incidentu. Pomembno je, da je model ohranil svojo sposobnost, ko je bil testiran na neodvisni večinstitucionalni kohorti konzorcija TRACK-TBI. Pokazalo se je tudi, da je model presegel napovedi treh nevrokirurgov.

Kot starejši soavtorji Shandong Wu in David Okonkvo TBI je bolezen, ki moti normalno delovanje možganov in lahko povzroči trajno nevrološko, čustveno in poklicno prizadetost. Pri zdravljenju takšnih poškodb se zdravniki zanašajo na napovedi za vodenje klinične terapije, vendar se trudijo natančno napovedati izide pri hudi TBI. Kot tak, ugotavlja Wu, obstaja "velika potreba in potencial za izkoriščanje multimodalnih kliničnih informacij in strojnega učenja za razvoj modelov napovedi, ki temeljijo na podatkih, za izboljšanje napovedi izida za bolnike s hudo TBI".

»Uporabili smo tehnike poglobljenega učenja in učenja kurikuluma, da bi razvili napovedne modele, ki obdelujejo tako podatke o slikanju CT glave kot druge klinične spremenljivke bolnikov,« pravi Wu. "V praksi lahko ta model zagotovi avtomatizirano napoved potenciala okrevanja posameznega pacienta za boljše obveščanje o kliničnih odločitvah in oskrbi pacientov."

Individualizirane napovedi

Wu opaža, da sta v zadnjih letih strojno in globoko učenje preoblikovala analizo medicinskih podatkov in izboljšala učinkovitost pri podpori računalniško podprte diagnoze odkrivanja in triaže zdravstvenih bolezni. Številni modeli in orodja, ki temeljijo na strojnem učenju, so zdaj v akademskih preiskavah in kliničnih ocenah.

Po Wujevem mnenju je ključna prednost novega modela ta, da je sposoben avtomatizirano učinkovito analizirati večdimenzionalne in večmodalne podatke, kot so slike in neslikovni klinični podatki. To pomeni, da se strojno učenje lahko nauči bistvenih informacij iz teh kompleksnih podatkov, ki jih zdravnik težko prebavi in obdela.

Preberi več

AI napove izid kome na podlagi sledi EEG

"Naša metoda lahko zagotovi tudi individualizirane napovedi v primerjavi z obstoječimi modeli, kot je model IMPACT, ki je bil zasnovan za vodenje kliničnih preskušanj in ne za napovedovanje posameznih bolnikov," pravi.

Trenutno model temelji na podatkih, pridobljenih ob pacientovem sprejemu na urgenco, vendar ga projektna skupina namerava še izboljšati z vključitvijo longitudinalnih podatkov, pridobljenih med oskrbo bolnika s TBI.

"Prav tako nameravamo raziskati vrednotenje in prepoznati morebitne ovire v zvezi z uporabo takih modelov v kliničnem delovnem toku in nastavitvah," dodaja Wu.

AI in Medical Physics Week podpira Sun Nuclear, proizvajalec rešitev za varnost pacientov za centre za radioterapijo in diagnostično slikanje. Obisk www.sunnuclear.com Če želite izvedeti več.