AI gibt zuverlässige Koma-outcome-Vorhersage

Nach Herzstillstand und Reanimation, einige Patienten werden noch im Koma und behandelt auf einer Intensivstation. Ihre Perspektiven sind ungewiss. Kliniker suchen eine zuverlässige Methode, um vorherzusagen, Ihre Ergebnisse. Forscher der Universität von Twente und dem Medisch Spectrum Twente hospital entwickelt haben, ein Lern-Netzwerk, die fähig ist, zu interpretieren EEG-Muster. Die künstliche Intelligenz (KI) kann ein zuverlässiges Ergebnis Vorhersage, bietet eine zusätzliche wertvolle Quelle von Informationen für die Entscheidungsfindung. Die Wissenschaftler präsentieren Ihren Ansatz in der Intensivmedizin.

In den Niederlanden etwa ein Drittel der Menschen mit Herzstillstand, gefolgt von der Wiederbelebung erfordert intensivmedizinische Behandlung. Über 7000 jedes Jahr fallen in ein Koma, und mehr als die Hälfte von Ihnen wird nicht wieder zu Bewusstsein. Familien wollen wissen, was die Perspektiven sind und was Ihre Lebensqualität sein wird, wenn Sie wieder zu Bewusstsein. Die Bestimmung der Wirksamkeit der weiteren Behandlung erfordert eine sorgfältige Analyse der situation.

Eine neue option ist die SEPP-test, der bestimmt, ob ein elektrisches signal, angewendet, um die Handgelenk erreicht das Gehirn. EEG-scans gemessen über Elektroden auf dem Kopf auch wichtige Informationen liefern. Analyse des EEG mit AI liefert höchst genaue Ergebnisse die Vorhersage, wie die Forscher zeigen nun in Ihrem Papier. Zwölf Stunden nach der Reanimation, die Lern-Netzwerk ist in der Lage die Vorhersage ein gutes Ergebnis mit 58 Prozent Genauigkeit und schlechte Ergebnisse mit 48 Prozent. Dies ist eine bessere Leistung als ein ausgebildeter Neurologe allein. Dennoch, wenn EEG-Daten nicht spezifisch genug, weder die ärzte noch die AI-Methode kann zu einem Ergebnis.

Ausbildung

Der erste Autor, Marleen Tjepkema, argumentiert für die Verwendung von EEG in der outcome-Vorhersage in Ihrer Ph. D.-Arbeit in 2014 als ein UT-Technische Medizin-Absolventin. Sie und Ihre Kollegen haben jetzt eingeführte automatisierte interpretation von EEG-scans. Die deep-learning-Netz wurde trainiert mit 600 EEG-Muster, und nicht um irgendwelche Hinweise auf was zu achten ist. Dann analysiert 300 EEG-Muster und machte Vorhersagen. Die Neurologen haben sich Hunderte von EEG ‚ s sowie als Teil Ihrer Ausbildung, geführt durch einen erfahrenen Neurologen die Punkte heraus, was Sie haben, zu betrachten. Da die EEG-Muster sind so an Informationen Reiches, die computer als menschliche Urteil.

Einmal ausgebildet, das Netz in der Lage ist die Beurteilung der EEG-Daten schnell, auch innerhalb einer Sekunde. Die Forscher erwarten, dass diese fügt wertvolle Informationen für die menschliche Urteil. Ein weiterer Vorteil ist seine Flexibilität—Analyse ist es möglich, zu jeder Zeit des Tages. Prüfung er die neue Technologie in Intensivstationen wird bestimmen, ob ärzte auch sehen das system als wertvolles Werkzeug. Einer der nächsten Schritte in dieser Forschung ist, dass ein genauerer Blick auf die Lernstrategie des Netzwerks, so dass es transparenter als die aktuelle black-box-Ansatz. Für diese, die neurophysiologen in Zusammenarbeit mit Informatikern und Mathematikern an der Universität Twente. Deep learning ist bereits für medizinische Zwecke, beispielsweise bei der Interpretation von Röntgenbildern oder die Klassifizierung von Verletzungen der Haut.