使用深度强化学习学习,学习手术内低血压的最佳治疗策略
Esra Adiyeke1,2, Tianqi Liu1,3, Venkata Sai Dheeraj Naganaboina1,4
1Intelligent Clinical Care Center (IC), University of Florida, Gainesville, FL.
一个新的AI模型可以通过推最佳的液体和血管压缩剂量来帮助预防手术期间的急性损伤 (AKI). 这种数据驱动的方法旨在通过减少与手术内低血压相关的并发症来改善患者的治疗结果.
科学领域:
- 麻醉学和外科手术期间的医学.
- 医疗保健中的人工智能
- 科和重症监护中心
背景情况:
- 传统的手术决策依赖于可变的人类经验.
- 在手术期间低血压的低于最佳管理可能导致急性损伤 (AKI).
- 数据驱动的系统可以增强外科手术期间的决策.
研究的目的:
- 开发一种强化学习 (RL) 模型,以优化手术期间静脉注射 (IV) 液体和血管压缩剂剂量.
- 该模型旨在预防手术内低血压和随后的术后AKI.
主要方法:
- 对来自42547名成年患者的50 021次手术进行了回顾性分析.
- 开发基于深度Q网络的RL模型,用于治疗建议.
- 模型在34,186次手术中受过培训和验证,在15,835次手术中进行了测试.
主要成果:
- 在69%的病例中,RL模型与医生关于血管压缩剂剂量的决定达成一致.
- 在41%的病例中,对静脉注射液的模型建议在0.05毫升/千克/15分钟内.
- RL政策的估计值高于医生治疗,而AKI患病率最低的是与模型一致的剂量.
结论:
- 开发的RL模型显示了降低术后AKI的潜力.
- 实施该模型的政策可能会改善与手术内低血压相关的结果.
- 数据驱动的术后管理可以提高患者的安全性并减少并发症.
更多相关视频
09:52Setting Up a Stroke Team Algorithm and Conducting Simulation-based Training in the Emergency Department - A Practical Guide
Published on: January 15, 2017
07:17Author Spotlight: A Novel Standardized Technique for Real-Time Biomedical Imaging of Acute Myocardial Injury
Published on: March 22, 2024
相关概念视频
Cardiopulmonary Resuscitation IV: Pharmacological Management
Cardiomyopathy VII: Pre and Post Operative Nursing Management
Heart Failure VI: Adjunct Therapies
Neural Regulation of Blood Pressure
Baroreceptor Reflex
Baroreceptors, located in the carotid sinuses and aortic arch, detect changes in blood pressure. When blood pressure rises, these stretch-sensitive receptors...
Operant Conditioning Intervention
In operant conditioning, behaviors that are...
