匹茲堡大學醫(yī)學院數據科學家和 UPMC 神經創(chuàng)傷外科醫(yī)生開發(fā)的預后模型是第一個使用自動腦部掃描和機器學習來告知嚴重創(chuàng)傷性腦損傷 (TBI) 患者預后的模型。
在今天發(fā)表在《放射學》雜志上的一項研究中，該團隊表明，他們先進的機器學習算法可以分析 TBI患者的腦部掃描和相關臨床數據，從而快速準確地預測受傷后六個月的生存和恢復情況。
“每天，在美國各地的醫(yī)院中，原本可以恢復獨立生活的患者都會被取消護理，”皮特和 UPMC 神經外科教授、醫(yī)學博士、醫(yī)學博士 David Okonkwo 說。“在緊急護理環(huán)境中度過關鍵時期的大多數人都能實現有意義的康復——這進一步強調了識別更有可能康復的患者的必要性。”
TBI 患者通常需要兩周時間才能從昏迷中蘇醒并開始康復——但嚴重的 TBI 患者通常會在入院后的前 72 小時內停止生命支持。新的預測算法在兩個獨立的患者隊列中得到驗證，可用于在入院后不久對患者進行篩查，并可以提高臨床醫(yī)生在正確時間提供最佳護理的能力。
TBI 是美國最緊迫的公共衛(wèi)生問題之一——每年，全國有近 300 萬人尋求 TBI 護理，而 TBI 仍然是 45 歲以下人群死亡的主要原因。
認識到需要更好的方法來幫助臨床醫(yī)生，Pitt 的數據科學家團隊開始利用他們在高級人工智能方面的專業(yè)知識來開發(fā)一種復雜的工具來了解每個獨特患者的 TBI 的性質。
“非常需要更好的定量工具來幫助重癥監(jiān)護神經科醫(yī)生和神經外科醫(yī)生為危重患者做出更明智的決定，”皮特大學放射學、生物工程和生物醫(yī)學信息學副教授、通訊作者山東吳博士說.“與 Okonkwo 博士團隊的合作讓我們有機會利用我們在機器學習和醫(yī)學成像方面的專業(yè)知識來開發(fā)模型，該模型同時使用腦成像和其他臨床可用數據來解決未滿足的需求。”
標簽：
免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據此操作，風險自擔。 如有侵權請聯系刪除！