Суббота, 21 июня, 2025
Новости биотехнологий
No Result
View All Result
No Result
View All Result
Новости биотехнологий
No Result
View All Result
Home Биоинформатика

Использование глубокого обучения для контроля уровня бессознательного состояния пациентов в состоянии анестезии

06.10.2020
Биоинформатика
0
18
VIEWS
Share on FacebookShare on Twitter

Целевой уровень бессознательности и наблюдаемый уровень бессознательности для моделирования наилучшего, среднего и наихудшего тестирования. 

В последние годы исследователи разрабатывают алгоритмы машинного обучения для все более широкого круга целей. Сюда входят алгоритмы, которые можно применять в медицинских учреждениях, например, помогая клиницистам диагностировать конкретные заболевания или нервно-психические расстройства или контролировать состояние здоровья пациентов с течением времени.

Исследователи из Массачусетского технологического института (MIT) и Массачусетской больницы общего профиля недавно провели исследование, в котором изучали возможность использования глубокого обучения с подкреплением для контроля уровня бессознательного состояния пациентов, которым требуется анестезия для медицинской процедуры. Их доклад, который должен быть опубликован в сборнике материалов Международной конференции по искусственному интеллекту в медицине 2020 года , был признан лучшим докладом, представленным на конференции.

«Наша лаборатория добилась значительного прогресса в понимании того, как анестетики влияют на нейронную активность, и теперь в ней работает многопрофильная команда, изучающая, как точно определять дозы анестетиков по нейронным записям», – сказал TechXplore Габриэль Шамберг, один из исследователей, проводивших исследование. «В нашем недавнем исследовании мы обучили нейронную сеть, используя метод кросс-энтропии, неоднократно позволяя ей работать на моделируемых пациентов и поощряя действия, которые привели к хорошим результатам».

По сути, Шамберг и его коллеги разработали глубокую нейронную сеть и обучили ее контролировать дозирование анестетика, используя обучение с подкреплением в моделируемой среде. Они специально сосредоточились на дозировке пропофола, лекарства, которое снижает уровень сознания людей и обычно используется для выполнения общей анестезии или седативных средств у пациентов, которые проходят медицинские процедуры.

Исследователи обучили разработанную ими нейронную сеть на смоделированных данных о пациентах, которые были созданы на основе фармакокинетических / фармакодинамических моделей с рандомизированными параметрами. В конечном итоге это позволило им учитывать множество пациентов с различными характеристиками и особенностями.

Блок-схема представления предлагаемой парадигмы. Агент наблюдает за уровнем бессознательности и с помощью нейронной сети выбирает подходящую дозировку лекарства. Окружающая среда представляет собой смоделированного пациента. Предоставлено: Schamberg, Badgeley & Brown.

Они провели серию тренировочных испытаний, используя так называемый метод перекрестной энтропии. Во время этих испытаний нейронная сеть постепенно научилась сопоставлять наблюдаемое состояние анестетика с вероятностью введения фиксированной дозы пропофола.

При оценке эффективности своей модели исследователи применили детерминированную политику, которая преобразует вероятность введения фиксированной дозы пропофола в постоянную скорость инфузии. В целом, их нейронная сеть достигла замечательных результатов, превзойдя контроллер пропорционально-интегрально-производной (ПИД), который ранее использовался для определения идеальных доз анестезии.

«Двумя основными преимуществами нашего подхода являются его способность масштабировать клинические переменные, включенные в наблюдение, и постоянная связь глубокой сети между входными переменными и рекомендуемой дозировкой», – сказал Шамберг. «Глубокие нейронные сети позволяют нам создавать модели с множеством непрерывных входных данных, поэтому наш метод генерирует более последовательные политики управления, чем предыдущие политики на основе таблиц».

В будущем модель на основе глубокой нейронной сети, разработанная этой группой исследователей, могла бы помочь анестезиологам определить идеальную дозировку пропофола для отдельных пациентов и достичь различных уровней бессознательного состояния. Тем не менее, модель пока тестировалась только в симуляциях, поэтому, прежде чем ее можно будет применить в реальных условиях, необходимо будет пройти серию клинических испытаний с реальными пациентами.

«До сих пор наш подход превосходил широко используемый пропорционально-интегрально-производный контроллер и был устойчивым к множеству вариаций метаболизма и эффекта лекарств у пациентов», – сказал Шамберг. «Теперь мы хотели бы протестировать предложенную парадигму на людях в контролируемых клинических условиях».

 


Источник: Ингрид Фаделли, Tech Xplore
Фото: Schamberg, Badgeley & Brown.

Предыдущий

Биоэлектронное устройство обеспечивает беспрецедентный контроль напряжения клеточной мембраны

Следующий

Нобелевскую премию по химии дали за разработку метода редактирования генома

  • Конфиденциальность

© 2021-2024 Новости биотехнологий

  • БИОИНФОРМАТИКА
  • БИОБЕЗОПАСТНОСТЬ
  • НАНОБИОТЕХНОЛОГИИ
  • СИНТЕТИЧЕСКАЯ БИОЛОГИЯ
  • ОТРАСЛЕВЫЕ БИОТЕХНОЛОГИИ
  • ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ
  • СТАРТАПЫ
  • COVID-19

© 2021-2024 Новости биотехнологий

Welcome Back!

Login to your account below

Forgotten Password?

Create New Account!

Fill the forms below to register

All fields are required. Log In

Retrieve your password

Please enter your username or email address to reset your password.

Log In
Просматривая этот сайт, вы соглашаетесь с нашей Политикой конфиденциальности