在癌症中使用深度学习检测输血需求的纳米模糊报警系统
Nasibeh Rady Raz1, Ali Arash Anoushirvani2,3, Neda Rahimian4
1Department of Artificial Intelligence in Medical Sciences, Faculty of Advanced Technologies in Medicine, Iran University of Medical Sciences, Tehran, Iran.
Scientific reports
|July 10, 2024
概括
预测癌症患者的输血是非常重要的,因为治疗中断. 使用长短期记忆 (LSTM) 网络的新型人工智能模型准确预测输血需求,优于其他机器学习方法.
科学领域:
- 在瘤学瘤学.
- 生物医学工程 生物医学工程
- 人工智能在医学中的应用
背景情况:
- 癌症患者通常需要定期输血,因为疾病和化疗对血液细胞生产的影响.
- 人们对输血的副作用,成本以及捐献血液的可用性存在担忧.
- 预测输血需求,考虑到患者的变化,对于有效的癌症护理至关重要.
研究的目的:
- 开发和验证一个预测模型,以便在血液癌症患者中及时完成红细胞输血需求.
- 探索一种基于人工智能的新型非侵入性系统,用于实时血红蛋白监测和报警.
主要方法:
- 收集了98名血液癌症患者的数据,包括61个人口,临床和实验室特征.
- 利用深度循环神经网络,特别是长短期记忆 (LSTM) 模型,进行预测.
- 使用5层交叉验证验证LSTM模型,并将其性能与其他机器学习算法进行了验证.
- 提出了一项纳米模糊报警系统 (NFABT) 的可行性研究,使用关键参数 (Hgb,PaO2,pH) 和物联网.
主要成果:
- 与其他评估的机器学习算法相比,LSTM模型在预测输血需求方面表现优异.
- 纳米模糊报警系统 (NFABT) 显示出作为一种实时,非侵入性的方法来监测和报警输血需求的承诺.
- 确定的主要预测参数包括血红蛋白 (Hgb),氧气的部分压力 (PaO2) 和pH.
结论:
- 开发的基于LSTM的系统为预测血液癌症患者的输血需求提供了一种有效的方法.
- 拟议的NFABT系统提供了一个可行的,非侵入性,人工智能驱动的解决方案,用于实时患者监测和及时医疗干预.
- 将人工智能和物联网集成到输血管理中可以改善患者护理和资源配置.
