Gelişmiş Algoritma, Ağır Beyin Hasarı Olan Hastalar İçin Sonucu Öngörüyor

Plato tarafından yeniden yayınlandı

İzleyiciler: 0

ABD merkezli araştırmacılardan oluşan bir ekip, ciddi travmatik beyin hasarı (TBI) olan hastalar için altı aylık sonuçları tahmin etmek için BT taramalarını ve klinik bilgileri analiz eden yenilikçi bir derin öğrenme modeli oluşturdu. Algoritma, beyin cerrahlarının tahminlerinden daha iyi performans göstermesine ek olarak, TBI hastalarını hayat kurtaran bakıma doğru bir şekilde yönlendirebilir.

Daha iyi klinik kararlar

Araştırmanın bir parçası olarak, veri bilimcileri Pittsburgh Üniversitesi Tıp Fakültesi Pittsburgh Üniversitesi Tıp Merkezi'nde nörotravma cerrahlarıyla çalıştı (UPMC) şiddetli TBI hastalarının çoklu kafa BT taramalarını işleyen yeni bir yapay zeka modeli oluşturmak. Algoritma, açıklanan Radyoloji, ayrıca hastaların yaşamsal belirtilerini, kan testlerini ve kalp fonksiyonlarını ve ayrıca koma şiddeti tahminlerini analiz eder.

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

Beyin görüntüleme tekniklerinin zaman içinde geliştiğini ve görüntü kalitesinin hastadan hastaya büyük ölçüde değişebileceğini kabul eden ekip, algoritmayı bir dizi farklı görüntüleme protokolü üzerinde eğiterek veri düzensizliğini açıkladı.

Eş-ilk yazarlar tarafından yönetilen araştırmacılar Matta Pease ve Kıyamet Arefan, modellerini, biri daha önce UPMC'de tedavi edilen 500'den fazla şiddetli TBI hastasından ve diğeri TRACK-TBI konsorsiyumu aracılığıyla ülke genelinde 220 kurumdan 18 hastadan oluşan iki hasta kohortunda test ederek doğruladı. Modelin performansını modelin performansıyla karşılaştırdılar. ETKİ modeli ve üç beyin cerrahının tahminleri.

Geliştirilen model, travmatik olaydan altı ay sonra hastaların ölüm riskini ve olumsuz sonuçları doğru bir şekilde tahmin edebilir. Daha da önemlisi, model, TRACK-TBI konsorsiyumundan bağımsız bir çok kurumlu grup üzerinde test edildiğinde yeteneğini korumuştur. Modelin ayrıca katılan üç beyin cerrahı tarafından yapılan tahminlerden daha iyi performans gösterdiği de gösterildi.

Kıdemli ortak yazarlar olarak Shandong Wu ve David Okonkwo açıklayın, TBI normal beyin işlevini bozan ve kalıcı nörolojik, duygusal ve mesleki engelliliğe yol açabilen bir hastalıktır. Bu tür yaralanmaları tedavi ederken, doktorlar klinik tedaviye rehberlik etmek için prognostiklere güvenirler, ancak ciddi TBI'da sonuçları doğru bir şekilde tahmin etmek için mücadele ederler. Bu nedenle Wu, "şiddetli TBI hastaları için sonuç tahminini iyileştirmek için veriye dayalı tahmin modelleri geliştirmek için çok modlu klinik bilgilerden ve makine öğreniminden yararlanmak için büyük bir ihtiyaç ve potansiyel" olduğunu belirtiyor.

Wu, “Hem kafa BT görüntüleme verilerini hem de hastaların diğer klinik değişkenlerini işleyen tahmin modelleri geliştirmek için derin öğrenme ve müfredat öğrenme tekniklerini kullandık” diyor. "Pratikte, bu model, klinik kararları ve hasta bakımını daha iyi bilgilendirmek için bireysel bir hastanın iyileşme potansiyeline otomatik bir tahmin sağlayabilir."

Kişiselleştirilmiş tahminler

Wu, son yıllarda makine öğrenimi ve derin öğrenmenin tıbbi veri analizini dönüştürdüğünü ve bilgisayar destekli algılama teşhisini ve tıbbi hastalıkların triyajını desteklemede performansı iyileştirdiğini gözlemliyor. Gerçekten de, birçok makine öğrenimi tabanlı model ve araç şu anda akademik araştırma ve klinik değerlendirme aşamasındadır.

Wu'nun görüşüne göre, yeni modelin temel avantajı, görüntüler ve görüntüleme dışı klinik veriler gibi çok boyutlu ve çok modlu verileri otomatik bir şekilde etkin bir şekilde analiz edebilmesidir. Bu, makine öğreniminin, bir insan doktorun sindirmesi ve işlemesi zor olabilecek bu karmaşık verilerden temel bilgileri öğrenebileceği anlamına gelir.

Daha fazla

AI, EEG izinden koma sonucunu tahmin ediyor

"Bizim yöntemimiz, klinik deneylere rehberlik etmek ve bireysel hastaları öngörmek için tasarlanmış IMPACT modeli gibi mevcut modellerle karşılaştırıldığında bireyselleştirilmiş tahminler de sağlayabilir" diyor.

Halihazırda model, bir hastanın acil servise kabulünde elde edilen verilere dayanmaktadır, ancak proje ekibi, TBI hastasının bakımı sırasında elde edilen boylamsal verileri dahil ederek bunu daha da geliştirmeyi planlamaktadır.

Wu, "Ayrıca, bu tür modelleri klinik iş akışında ve ortamlarda dağıtma konusunda değerlendirmeyi araştırmayı ve potansiyel engelleri belirlemeyi planlıyoruz" diye ekliyor.

Medikal Fizik Haftasında AI tarafından desteklenmektedir Güneş Nükleer, radyasyon tedavisi ve tanısal görüntüleme merkezleri için hasta güvenliği çözümleri üreticisi. Ziyaret etmek www.sunnuclear.com Daha fazla bilgi edinmek için.