数字内分泌学:使用人工智能在小型边缘设备上携带皮质醇溶液

科学领域:

• 内分泌学 在内分泌学.
• 计算生物学 计算生物学
• 人工智能的人工智能

背景情况:

• 皮质醇度动态包括分泌,清除,蛋白质结合和血管外扩散.
• 一个四部分的数学模型描述了皮质醇在血液和组织中的分布.
• 这个模型的当前数值方法是计算密集且缓慢的.

研究的目的:

• 开发一种快速有效的人工智能 (AI) 方法来预测皮质醇度.
• 为了使皮质醇预测模型在临床环境中的小型,便携式边缘设备上部署.
• 验证人工智能模型的性能与人类受试者数据和已建立的数值方法相对应.

主要方法:

• 开发了一个受监督学习的人工神经网络 (ANN),以取代传统的数值方法.
• 通过使用抑制皮质醇分泌的人类受试者数据来训练ANN.
• 该模型预测了关键的生理参数,包括消除速率常数 (α),扩散常数 (k) 和外血管体积分数 (Vf).

主要成果:

• 该ANN实现了卓越的预测准确性,与测量准确性相美.
• 与以前的数值技术相比,人工智能方法显著提高了速度和效率.
• 关键的皮质醇系统参数被ANN准确地预测.

结论:

• 开发的ANN提供了一种快速,高效和准确的方法来预测血液皮质醇度.
• 这种人工智能驱动的方法适合在边缘设备上部署,促进实时临床应用.
• 这项研究验证了人工智能在促进内分泌疾病的药理动力学建模方面的潜力.