机器学习模型可以引导创伤性脑损伤病人拯救生命的治疗

预后模型由匹兹堡大学医学院的数据科学家和UPMC创伤外科医生是第一个使用自动化的脑部扫描和机器学习通知结果患者严重创伤性脑损伤(TBI)。

在《华尔街日报》今日报道的一项研究放射学中,该团队发现他们的先进机器学习算法可以分析从创伤性脑损伤的大脑扫描及相关临床资料病人快速、准确地预测生存和复苏后六个受伤。

“每一天,在美国医院,护理是患者退出否则返回独立生活文章的第二作者大卫•细语说:“医学博士博士,皮特和UPMC神经外科教授。“大部分人生存的关键时期在急性护理设置作出有意义的复苏,并进一步强调了需要确定患者更容易恢复。”

通常需要两个星期对创伤性脑损伤病人摆脱他们的昏迷,并开始recoveries-yet严重创伤性脑损伤的患者往往起飞生命支持在第一个72小时后住院。新的预测算法,验证在两个独立的病人群体,可以用于屏幕患者入院后不久,可以提高临床医生提供最好的保健的能力在正确的时间。

创伤性脑损伤是最紧迫的公共卫生问题之一在美国每一年,将近300万人寻求全国创伤性脑损伤的护理,和创伤性脑损伤仍是导致死亡的45岁以下的人。

认识到需要更好的方法来帮助临床医生、数据科学家皮特的团队开始利用他们的专业知识先进的人工智能开发一个复杂的工具来理解每一个独特的病人的创伤性脑损伤的性质。

“是一个伟大的需要更好的定量工具帮助重症监护神经病学家和神经外科医生为病人做出更明智的决定临界条件通讯作者说:“山东Wu博士,副教授放射学、生物工程和生物医学信息学皮特。“这与细语博士的研究小组合作给我们一个机会,用我们的专业知识在机器学习和医学影像发展模型,利用大脑成像和其他临床可用数据来解决一个未满足的需求”。

由co-first作者马修·皮斯,医学博士,Dooman Arefan博士团队开发了一个自定义处理多个人工智能模型大脑扫描从每个病人,并把它跟估计昏迷程度和患者的生命体征信息,血液检查和心脏功能。重要的是,因为在时间和脑成像技术的发展图像质量从病人的病人可能显著不同,研究人员占不规则的数据训练他们的模型在不同的拍摄任务的协议。

模型证明了自己,准确预测患者的死亡风险和不利结果在创伤事件后六个月。验证模型,皮特研究者测试了两组病人:超过500的严重创伤性脑损伤病人先前治疗UPMC和其他外部的全国18个机构的220名患者,通过TRACK-TBI财团。外部队列是关键测试模型的预测能力。

“我们希望这一研究表明,人工智能可以提供一个工具来提高临床决策早期创伤性脑损伤病人时承认急诊室,对病人产生更好的结果,“说吴和细语。