Розширений алгоритм прогнозує результат для пацієнтів із тяжкою черепно-мозковою травмою

Команда американських дослідників створила інноваційну модель глибокого навчання, яка аналізує комп’ютерну томографію та клінічну інформацію для прогнозування шестимісячних результатів для пацієнтів із важкою черепно-мозковою травмою (ЧМТ). Окрім того, що алгоритм перевершує прогнози нейрохірургів, він також може точно спрямувати пацієнтів із ЧМТ до життєво необхідної допомоги.

Кращі клінічні рішення

У рамках дослідження вчені з обробки даних на Школа медицини Піттсбурзького університету працював з нейротравматологами в медичному центрі Піттсбурзького університету (UPMC), щоб створити нову модель штучного інтелекту, яка обробляє численні КТ голови пацієнтів з важкою ЧМТ. Алгоритм, описаний в Радіологія, також аналізує життєві показники пацієнтів, аналізи крові та роботу серця, а також оцінює ступінь тяжкості коми.

Усвідомлюючи той факт, що методи візуалізації мозку з часом розвиваються, і що якість зображення може суттєво відрізнятися від пацієнта до пацієнта, команда врахувала нерегулярність даних, навчивши алгоритм на низці різних протоколів візуалізації.

Дослідники на чолі з першими авторами Метью Піз та Думен Арефан, перевірили свою модель, випробувавши її на двох когортах пацієнтів – одна складається з понад 500 пацієнтів з важкою ЧМТ, які раніше проходили лікування в UPMC, а інша – з 220 пацієнтів із 18 установ по всій країні через консорціум TRACK-TBI. Вони порівняли продуктивність моделі з продуктивністю ВПЛИВ модель і прогнози трьох нейрохірургів.

Розроблена модель могла точно передбачити ризик смерті пацієнтів і несприятливі результати через шість місяців після травматичного інциденту. Важливо те, що модель зберегла свою здатність під час випробувань на незалежній багатоінституційній когорті від консорціуму TRACK-TBI. Також було показано, що модель перевершує прогнози трьох нейрохірургів.

Як старші співавтори Шаньдун Ву та Девід Оконкво поясніть, ЧМТ - це захворювання, яке порушує нормальну функцію мозку і може призвести до постійної неврологічної, емоційної та професійної втрати працездатності. Лікуючи такі травми, лікарі покладаються на прогнози, щоб керувати клінічною терапією, але їм важко точно спрогнозувати результати при важкій ЧМТ. Таким чином, зазначає Ву, існує «велика потреба та потенціал для використання мультимодальної клінічної інформації та машинного навчання для розробки моделей прогнозування на основі даних для покращення прогнозування результатів для пацієнтів із важкою ЧМТ».

«Ми використовували методи глибокого навчання та навчання за програмою, щоб розробити моделі прогнозування, які обробляють як дані КТ голови, так і інші клінічні змінні пацієнтів», — каже Ву. «На практиці ця модель може забезпечити автоматизоване прогнозування потенціалу одужання окремого пацієнта для кращої інформованості щодо клінічних рішень і догляду за пацієнтом».

Індивідуальні прогнози

Ву зауважує, що за останні роки машинне та глибоке навчання змінили аналіз медичних даних і покращили продуктивність у підтримці комп’ютерної діагностики та сортування медичних захворювань. Дійсно, багато моделей та інструментів, заснованих на машинному навчанні, зараз перебувають у стадії академічного дослідження та клінічної оцінки.

На думку Ву, ключова перевага нової моделі полягає в тому, що вона здатна ефективно автоматизовано аналізувати багатовимірні та мультимодальні дані, такі як зображення та клінічні дані, що не пов’язані з візуалізацією. Це означає, що машинне навчання може отримати важливу інформацію з цих складних даних, які може бути важко переварити та обробити лікарю.

«Наш метод також може надавати індивідуальні прогнози порівняно з існуючими моделями, такими як модель IMPACT, яка була розроблена для керівництва клінічними випробуваннями, а не для прогнозування окремих пацієнтів», — говорить він.

На даний момент модель базується на даних, отриманих під час надходження пацієнта до відділення невідкладної допомоги, але команда проекту планує ще більше вдосконалити її, включивши лонгітюдні дані, отримані під час лікування пацієнта з ЧМТ.

«Ми також плануємо вивчити оцінку та виявити потенційні бар’єри щодо розгортання таких моделей у клінічному робочому процесі та налаштуваннях», — додає Ву.

Повідомлення Розширений алгоритм прогнозує результат для пацієнтів із тяжкою черепно-мозковою травмою вперше з'явився на Світ фізики.

• Coinsmart. Найкраща в Європі біржа біткойн та криптовалют.
• Платоблокчейн. Web3 Metaverse Intelligence. Розширені знання. БЕЗКОШТОВНИЙ ДОСТУП.
• CryptoHawk. Альткойн Радар. Безкоштовне випробування.
• Джерело: https://physicsworld.com/a/advanced-algorithm-predicts-outcome-for-patients-with-severe-brain-injury/