高解像度の患者データを使用して体外膜酸素化デジタルツインを構築する:仮想現実シミュレーションのための人工知能モデル

科学分野:

• メディカルシミュレーションのメディカルシミュレーション
• デジタル・ヘルス・デジタル・ヘルス
• 心肺循環器系サポートについて

背景:

• 身体外膜酸素化 (ECMO) は,重度の心肺不全に不可欠です.
• 訓練はシミュレータの可用性,コスト,そして物流によって制限されています.
• 高精度でアクセシブルなECMOトレーニングソリューションが必要です.

研究 の 目的:

• 仮想現実 (VR) 訓練のためのECMOのデジタルツインを開発する.
• ECMO教育のための現実的で応答性の高いシミュレーション環境を作成します.

主な方法:

• 335人の患者からの統合された高周波ECMOデータとEHRデータ.
• ECMOのアウトプットと患者の生命指標を予測する2段階の階層モデルを開発しました.
• モデルをリアルタイムパフォーマンスを備えたUnreal Engine VRシミュレータに実装しました.

主要な成果:

• デジタルツインモデルでは,重要な生理学的パラメータ (BP,HR,SpO2,ETCO2など) に対して低RMSEを達成しました.
• 神経ネットワークは,臨床的に一貫した予測を生成しました.
• 専門家によるテストにより,シミュレータの性能と生理学的妥当性が検証されました.

結論:

• 高解像度のECMOデータは,VRトレーニングのための機能的なデジタルツインを作成することができます.
• この枠組みは,ECMOの教育のアクセシビリティを強化します.
• これは,将来の重症治療のデジタルツインプラットフォームとマルチセンターの検証のための基盤を提供します.