edu.robogeek.ru

все об обучении робототехнике

prom.robogeek.ru

все о промышленной робототехнике

Основное меню
Категории новостей

Модель машинного обучения рассчитывает риск сепсиса при реанимационных процедурах

Ученые Массачусетского технологического института в Кембридже и Массачусетской больницы общего профиля создали систему предсказательного моделирования для лечения больных с заражением крови (сепсисом).

Для создания модели исследователи собрали медицинские записи 186 000 пациентов, которых лечили в отделении неотложной помощи госпиталя с 2014 по 2016 год. Особое внимание уделялось людям с септическим шоком. При таком состоянии медики применяют сосудосжимающие агенты (вазопрессоры) для повышения артериального давления.

Некоторые люди получали вазопрессоры в течение первых 48 часов после попадания в больницу. Исследователи проанализировали медицинские данные таких больных, чтобы определить точное время, когда были даны вазопрессоры.

Авторы проекта использовали 70% записей для тренировки модели машинного обучения. В итоге система выявила два десятка клинических факторов, влияющих на необходимость приема вазопрессоров: кровяное давление, общий объем жидкости, частота дыхания и другие. Модель работает на основе анализа показателей в установленные временные интервалы и определяет, нуждается ли пациент в вазопрессорах.

Ученые протестировали полученную модель на оставшихся медицинских записях и обнаружили, что в 80—90% случаев она предугадывает действия врачей. На основе клинических данных система рассчитала, что пациентам понадобится введение вазопрессоров в течение следующих двух часов.

По словам авторов, очень важно определять необходимость применения вазопрессоров при реанимационных процедурах. Прогнозирование позволяет рассчитать эффективность внутривенной инфузии и вовремя помочь людям с развивающимся сепсисом.

Модель машинного обучения является первой системой, специально предназначенной для лечения сепсиса в отделениях неотложной помощи. В будущем исследователи намерены создать еще несколько инструментов для прогнозирования риска сепсиса в режиме реального времени.

Комментарии

(0) Добавить комментарий