一个基于人工智能的方法来识别严重登革热患者的体积状况,使用可穿戴PPG数据

科学领域:

• 心脏病学 心脏病学
• 关键护理医学 关键护理医学
• 生物医学工程 生物医学工程

背景情况:

• 登革热休克综合征 (DSS) 在流体管理中提出了关键的挑战,需要保持微妙的平衡,以避免低 perfusion 和体积过载.
• 目前在DSS中评估体积状态的方法通常是侵入性的或间歇性的,限制了实时管理.
• 可穿戴式光电显微镜 (PPG) 为持续的生理监测提供了一种非侵入性的方法.

研究的目的:

• 调查可穿戴PPG设备的实用性,以确定登革热休克综合征患者体积状况.
• 探索人工智能 (AI) 和机器学习模型在DSS中分析PPG数据的应用.

主要方法:

• 一项前性观察性研究招募了250名被诊断为登革热的成人和儿科患者.
• 持续的PPG监测进行了24小时,数据在预定义的"空" (前冲击) 和"满" (后液体) 体积状态下进行分析.
• 使用主要组件分析,随机森林和计算机视觉模型来分析PPG波形形态和变异性.

主要成果:

• 从23个脉冲波特征中获得的四个主要组件 (PC) 被确定,PC 1和4与"空"体积状态相关,表明交感活动增加.
• 随机森林分析强调了心率和LF-HF比率作为体积状态的关键指标.
• 一个计算机视觉模型在识别"空"体积状态时实现了0.81的灵敏度和0.70的特异性.

结论:

• 持续的PPG监测,由AI分析,可以提供宝贵的洞察力,在登革热休克综合征的体积状态.
• 这项技术提供了一种潜在的非侵入性工具,用于指导严重病症登革热患者的流体治疗决策.
• 需要进一步验证,以将基于PPG的体积状态评估纳入DSS管理的临床实践.