心脏骤停后基于EEG的预后深度学习:从当前的研究到未来的临床应用

科学领域:

• 神经学 神经学
• 人工智能的人工智能
• 生物医学工程 生物医学工程

背景情况:

• 在心脏骤停 (CA) 后昏迷患者的预后结果具有挑战性.
• 缺氧后/缺血性脑病变是临床结果的关键决定因素.
• 目前基于脑电图 (EEG) 的预后依赖于主观的,耗时的视觉解释.

研究的目的:

• 进行第一个关于深度学习应用的叙事文献综述,以预测CA后昏迷患者的预后.
• 评估基于EEG的结果预测中的深度学习算法的性能和方法.
• 在这个领域探索深度学习模型的可解释性和临床相关性.

主要方法:

• 对利用深度学习进行脑电图分析的现有研究进行系统审查.
• 分析了使用自发和听觉唤起EEG信号的研究.
• 检查研究的重点是算法解释性和特征相关性.

主要成果:

• 深度学习模型在预测患者结果方面表现出很高的表现.
• 研究表明,深度神经网络利用临床上有意义的特征进行决策.
• 自发和听觉唤起的EEG信号都被深度学习算法有效地使用.

结论:

• 深度学习提供了一个有希望的,客观的方法来基于EEG的结果预测CA后.
• 算法解释性是一个关键考虑因素,模型通常依赖于神经生理学上相关的特征.
• 人工智能和神经科学之间的未来合作对于这些工具的临床整合至关重要.