高级算法可预测严重脑损伤患者的预后

一组美国研究人员创建了一个创新的深度学习模型，该模型分析 CT 扫描和临床信息，以预测严重创伤性脑损伤 (TBI) 患者的六个月结果。 除了优于神经外科医生的预测外，该算法还可以准确地引导 TBI 患者进行挽救生命的护理。

更好的临床决策

作为研究的一部分，数据科学家 匹兹堡大学医学院 与匹兹堡大学医学中心的神经外伤外科医生合作（UPMC) 创建一个新的人工智能模型，处理严重 TBI 患者的多次头部 CT 扫描。 该算法，描述于 放射线学，还分析患者的生命体征、血液检查和心脏功能，以及对昏迷严重程度的估计。

认识到大脑成像技术会随着时间的推移而发展，并且图像质量可能因患者而异，该团队通过在一系列不同的成像协议上训练算法来解决数据不规则性问题。

由共同第一作者领导的研究人员 马修·皮斯 和 杜曼·阿雷凡，通过在两个患者队列上测试他们的模型来验证他们的模型——一个由以前在 UPMC 治疗过的 500 多名严重 TBI 患者组成，另一个是来自全国 220 个机构的 18 名患者，通过 TRACK-TBI 联盟。 他们将模型的性能与 影响力！ 模型和三位神经外科医生的预测。

开发的模型可以准确预测患者在创伤事件发生后六个月内的死亡风险和不利结果。 重要的是，该模型在对来自 TRACK-TBI 联盟的独立多机构队列进行测试时保持了其能力。 该模型还被证明优于三位主治神经外科医生的预测。

作为资深合著者 山东吴 和 大卫·奥康克沃 解释一下，TBI 是一种破坏正常大脑功能的疾病，可导致永久性神经、情绪和职业残疾。 在治疗此类损伤时，医生依靠预测来指导临床治疗，但难以准确预测严重 TBI 的结果。 因此，Wu 指出，“利用多模式临床信息和机器学习来开发数据驱动的预测模型以改善对严重 TBI 患者的预后预测非常有必要和潜力”。

“我们使用深度学习和课程学习技术来开发预测模型，以处理头部 CT 成像数据和患者的其他临床变量，”Wu 说。 “在实践中，该模型可以为个体患者的康复潜力提供自动预测，从而更好地为临床决策和患者护理提供信息。”

个性化预测

Wu 观察到，近年来，机器学习和深度学习已经改变了医学数据分析，并提高了支持计算机辅助检测诊断和医学疾病分类的性能。 事实上，许多基于机器学习的模型和工具现在正在接受学术调查和临床评估。

在 Wu 看来，新模型的关键优势在于它能够以自动化的方式有效地分析多维和多模态数据，例如图像和非影像临床数据。 这意味着机器学习可以从这些复杂的数据中学习基本信息，而人类医生可能难以消化和处理这些信息。

“与现有模型（例如 IMPACT 模型）相比，我们的方法还可以提供个性化的预测，该模型旨在指导临床试验而不是预测个体患者，”他说。

目前，该模型基于患者进入急诊室时获得的数据，但项目团队计划通过整合 TBI 患者护理过程中获得的纵向数据来进一步增强该模型。

“我们还计划探索评估并确定在临床工作流程和环境中部署此类模型的潜在障碍，”吴补充道。

该职位 高级算法可预测严重脑损伤患者的预后 最早出现 物理世界.

• 硬币聪明。 欧洲最好的比特币和加密货币交易所。
• 柏拉图区块链。 Web3 元宇宙智能。 知识放大。 自由登入。
• 加密鹰。 山寨币雷达。 免费试用。
• 资料来源：https://physicalsworld.com/a/advanced-algorithm-predicts-outcome-for-病人-with-severe-brain-injury/