高齢患者における膜機能の強化のためのトランスフォーマーベースのマルチモダル精密介入モデル

科学分野:

• クリティカル ケア 医療
• 医療における人工知能
• 生物医学信号処理

背景:

• 隔膜機能障害は 機械呼吸器を使用している高齢者の大きな合併症です
• これは集中治療室 (ICU) の長期滞在,断乳の困難,そしてコストの増加につながります.
• 現在の意思決定支援システムでは この状態のリアルタイム精度が不足しています

研究 の 目的:

• 隔膜機能障害の正確なリアルタイム予測のための新しい人工知能 (AI) フレームワークを開発し,検証する.
• 画像,生理信号,呼吸器のパラメータを含むマルチモダルのデータを統合する.
• 医療従事者の判断を 解釈できるようにする.

主な方法:

• 階層的なトランスフォーマーエンコーダーは,モダリティ特有の埋め込み抽出に使用されました.
• 注意を誘導するクロスモダルの融合モジュールは様々なデータストリームを統合した.
• タイムネットワークは動的傾向を予測し,MIMIC-IV,eICU,胸部X線データセットで検証しました.

主要な成果:

• AIフレームワークは高い精度を達成しました (MIMIC- IVでは92. 3%,eICUでは91. 8%,胸部X線では92. 0%).
• 精度,リコール,F1スコア,マチューズの相関係数を上回った.
• SHAPの分析では,呼吸器の体積と画像の特徴を,精密な確率推定で,主要な予測指標として特定した.

結論:

• 提案されたAIフレームワークは 隔膜機能不全の正確な解釈可能な予測を提供します.
• 機械的換気における臨床的意思決定を大幅に改善する可能性があります.
• この技術は 高リスクのICU患者に対して より効果的で 個別化された介入につながります