一个可持续的人工智能增强的的数字护理途径:基于脑电图数据的自动抓住跟踪,使用人工智能
Pantea Keikhosrokiani1,2, Minna Isomursu1,2, Johanna Uusimaa3,4
1Empirical Software Engineering in Software, Systems, and Services, University of Oulu, Oulu, Finland.
Digital health
|October 9, 2024
概括
一个人工智能增强模型自动化了脑电图 (EEG) 追踪发作,用于管理. 这种人工智能方法增强了患者监测,并支持了对的可持续数字护理途径.
科学领域:
- 神经学 神经学
- 人工智能的人工智能
- 数字健康数字健康
背景情况:
- 头皮脑电图 (EEG) 对于神经学评估至关重要,特别是在诊断中.
- 对EEG解释的专业专业知识有限,阻碍了广泛获得护理.
- 现有的人工智能 (AI) 模型部分解决了EEG分析,但需要一个完全自动化的系统来进行例行解释.
研究的目的:
- 开发一种人工智能增强模型,用于自动化EEG发作跟踪.
- 支持可持续的数字护理途径 (DCPE).
- 改善患者监测,决策和DCPE中的合规性.
主要方法:
- 提出了一个人工智能增强的框架,利用机器学习进行定量EEG分析.
- 采用随机森林与主要组件分析,支持向量机器与KBest特征选择,并卷积神经网络.
- 与医疗保健专业人员进行了重点小组讨论,以评估可行性,可用性和可持续性.
主要成果:
- 实现了高准确率: 96.52% (随机森林),95.28% (SVM) 和97.65% (CNNs).
- 自动化诊断过程可以显著减少的诊断时间.
- 可持续性取决于基础设施,人员,培训,数字素养,资金和法规.
结论:
- 这种人工智能增强系统通过精确的发作跟踪和改进的监控来增强管理.
- 促进协作决策,促进以患者为中心的护理.
- 有助于一个更可持续的数字治疗的护理途径.
