基于深度学习的智能算法来预测麻醉剂量:基于深度学习的药物疗效预测研究

科学领域:

• 麻醉学 麻醉学
• 人工智能的人工智能
• 医疗信息学 医疗信息学

背景情况:

• 精确的麻醉药物剂量对于手术安全至关重要.
• 个体患者的变化和复杂的生理学挑战精确的剂量预测.
• 深度学习为增强麻醉管理提供了一个有前途的方法.

研究的目的:

• 开发和验证用于预测麻醉药物剂量的深度学习模型.
• 为了提高手术前和手术内麻醉剂量估计的准确性.
• 为麻醉科医生提供一个工具,以便更好地进行临床判断和药物控制.

主要方法:

• 一个人工神经网络与SELU激活和加权规范化用于术前剂量预测.
• 一个卷积神经网络 (CNN) 具有7x1内核用于手术内特征提取.
• 一个长短期记忆 (LSTM) 网络,增强双向传播和注意模块,用于手术内剂量预测.

主要成果:

• 与传统方法相比,拟议的深度学习模型显著降低了手术前 (15.83%) 和手术内 (12.25%) 剂量预测的平均绝对百分比误差 (MAPE).
• 获得了更好的预测准确性,术前剂量为0.887,术后剂量为0.915.
• 证明了该模型在处理不平衡的样本数据和提取相关患者特征方面的有效性.

结论:

• 开发的智能麻醉预测算法有效预测患者的麻醉药物需求.
• 该模型有助于麻醉科医生做出有关药物剂量的明智临床决策.
• 这种算法的实施可以为更安全,更顺的外科手术程序做出贡献.