非侵入性动脉CO₂估计新生儿通风使用门式循环神经网络在早产羊模型

科学领域:

• 生物医学工程 生物医学工程
• 计算神经科学是一种神经科学.
• 新生儿生理学 新生儿生理学

背景情况:

• 精确监测二氧化碳 (PaCO2) 的动脉部分压力对于机械通风新生儿的管理至关重要.
• 目前的临床方法,包括使用二氧化碳 (PetCO2) 的端潮部分压力作为替代物或带有偏移,在精度上有局限性.

研究的目的:

• 开发和验证先进的神经网络模型,用于在早产羔羊中进行非侵入性PaCO2估计.
• 将这些模型的准确性与已建立的临床方法进行比较.

主要方法:

• 通过使用时间序列数据设计了两个门式循环单元 (GRU) 神经网络模型.
• 模型1采用单变量PetCO2数据;模型2采用多变量非侵入性呼吸和生命测量.
• 来自58只早产羔羊的1,182个动脉血液气体分析的数据被用于培训和验证.

主要成果:

• 仅使用PetCO2的GRU模型的准确性低于临床方法.
• 通过PetCO2+Offset方法,估计准确度得到了提高.
• 结合生命和呼吸系统测量的多变量GRU模型在PaCO2估计中取得了最高的准确性.

结论:

• 先进的GRU神经网络模型可以准确地估计机械通风新生儿的PaCO2.
• 与单变量或简单偏移方法相比,多变量非侵入性数据显著提高了PaCO2估计的准确性.
• 这些发现表明,有可能改善新生儿重症监护中的非侵入性监测策略.