トラウマケアの改善:出血と蘇生中の血液量を推定するための機械学習ベースのフォトプレチスモグラフィー分析

科学分野:

• バイオメディカルエンジニアリング
• 医療における機械学習
• トラウマケア技術

背景:

• 出血は トラウマで予防可能な 死因の1つです
• 補償メカニズムは出血ショックを隠し 重要な介入を遅らせます
• 血流の正確な推定は 効果的なトラウマ管理に不可欠です

研究 の 目的:

• 推定血流率 (PEBL) を予測するための機械学習 (ML) モデルを開発し,評価する.
• PEBLの推定のために非侵襲的な光学波形 (PPG) を利用する.
• 病院前および緊急医療における出血の迅速な検出のためのフィールドデプロイ可能なソリューションを提供すること.

主な方法:

• 豚の出血と蘇生の研究で収集されたPPG波形データ
• 様々なMLモデルアーキテクチャと予測ウィンドウの長さを調整して最適化しました.
• モデルトレーニングのための異なるデータ標準化アプローチを評価した.

主要な成果:

• MLモデルは豚のPEBLを成功裏に予測した.
• PEBL予測の0.8を超える測定係数を達成した.
• 非侵襲的なPPG信号からPEBLの正確な導出が示されています.

結論:

• PEBLは,非侵襲的なPPG波形とMLを使用して正確に推定できます.
• このアプローチは トラウマケアと負傷者分類を改善するための 有望なツールです
• 非侵襲的で 現場での展開可能なソリューションは 緊急医療における意思決定を向上させることができます