人工智能算法用于个性化资源分配和治疗出血伤亡者的治疗
Xin Jin1,2, Andrew Frock1,2, Sridevi Nagaraja1,2
1Department of Defense Biotechnology High Performance Computing Software Applications Institute, Telemedicine and Advanced Technology Research Center, United States Army Medical Research and Development Command, Fort Detrick, MD, United States.
Frontiers in physiology
|February 9, 2024
概括
一个深度神经网络的人工智能模型预测患者的生命体征,以优化对出血伤亡者的液体复苏. 这种人工智能方法显示了大规模伤亡事件中改善结果的潜力.
科学领域:
- 医疗人工智能 医疗人工智能
- 计算生理学计算生理学
- 创伤护理研究 创伤护理研究
背景情况:
- 在大规模伤亡中,血液管理至关重要.
- 优化液体复苏是具有挑战性的,因为资源有限和患者的变化.
- 目前的方法通常依赖于静态的,基于人口的数据.
研究的目的:
- 评估深度神经网络 (AI) 模型,用于预测出血患者的生命体征.
- 使用人工智能驱动的预测,优化大量伤亡场景中的液体复苏策略.
- 将基于人工智能的个性化复苏与基于人口的静态方法进行比较.
主要方法:
- 开发了一种心肺呼吸系统计算模型,以生成合成出血伤亡数据.
- 创建了一个人工智能应用程序,使用生命体征的最初10分钟来预测未来的结果 (60分钟).
- 模拟大规模伤亡场景,以评估人工智能选择的最佳复苏分配与静态方法.
主要成果:
- 基于人工智能的个性化预测理论上在恢复健康的生命体征方面提高了高达46%的结果.
- 以人工智能驱动的方法提高了流体利用效率高达119%.
- 在资源有限的环境中进行个性化干预,证明了人工智能的潜在好处.
结论:
- 深度神经网络人工智能显示出对出血检测和治疗优化有希望.
- 人工智能可以个性化干预,改善大规模伤亡事件的临床结果.
- 这项技术为提高人工智能的医院前创伤护理提供了机会.
