El modelo de aprendizaje automático puede guiar a los pacientes con lesiones cerebrales traumáticas a cuidados vitales
Crédito: Unsplash/CC0 Dominio público
Un modelo de pronóstico desarrollado por científicos de datos de la Facultad de Medicina de la Universidad de Pittsburgh y cirujanos de neurotrauma de UPMC es el primero en utilizar escáneres cerebrales y aprendizaje automático para informar los resultados en pacientes con lesiones cerebrales traumáticas graves (TBI).
En un estudio publicado hoy en la revista Radiology, el equipo demostró que su algoritmo avanzado de aprendizaje automático puede analizar escáneres cerebrales y datos clínicos relevantes de pacientes con TBI para predecir de manera rápida y precisa la supervivencia y la recuperación seis meses después de la lesión.
«Todos los días, en los hospitales de los Estados Unidos, se retira la atención de pacientes que, de otro modo, habrían regresado a una vida independiente», dijo el coautor principal David Okonkwo, MD, Ph.D., profesor de cirugía neurológica en Pitt y UPMC. «La mayoría de las personas que sobreviven un período crítico en un entorno de cuidados agudos se recuperan significativamente, lo que subraya aún más la necesidad de identificar a los pacientes que tienen más probabilidades de recuperarse».
A menudo, los pacientes con TBI tardan dos semanas en recuperarse. emergen del coma y comienzan su recuperación; sin embargo, a los pacientes con TBI grave a menudo se les retira el soporte vital dentro de las primeras 72 horas posteriores al ingreso en el hospital. El nuevo algoritmo predictivo, validado en dos cohortes de pacientes independientes, podría usarse para evaluar a los pacientes poco después de la admisión y puede mejorar la capacidad de los médicos para brindar la mejor atención en el momento adecuado.
TBI es uno de los más apremiantes problemas de salud pública en los EE. UU. Cada año, casi 3 millones de personas buscan atención de TBI en todo el país, y TBI sigue siendo una de las principales causas de muerte en personas menores de 45 años.
Reconocer la necesidad de mejores formas de ayudar a los médicos, el equipo de científicos de datos de Pitt se dispuso a aprovechar su experiencia en inteligencia artificial avanzada para desarrollar una herramienta sofisticada para comprender la naturaleza de la LCT de cada paciente en particular.
«Existe una gran necesidad de mejorar herramientas cuantitativas para ayudar a los neurólogos y neurocirujanos de cuidados intensivos a tomar decisiones más informadas para los pacientes en estado crítico», dijo el autor correspondiente Shandong Wu, Ph.D., profesor asociado de radiología, bioingeniería e informática biomédica en Pitt. «Esta colaboración con el equipo del Dr. Okonkwo nos brindó la oportunidad de utilizar nuestra experiencia en aprendizaje automático e imágenes médicas para desarrollar modelos que utilicen imágenes cerebrales y otros datos clínicamente disponibles para abordar una necesidad no satisfecha».
Led por los coautores Matthew Pease, MD, y Dooman Arefan, Ph.D., el grupo desarrolló un modelo de inteligencia artificial personalizado que procesó múltiples escáneres cerebrales de cada paciente y los combinó con una estimación de la gravedad del coma e información sobre el estado del paciente. signos vitales, análisis de sangre y función cardíaca. Es importante destacar que, debido a que las técnicas de imágenes cerebrales evolucionan con el tiempo y la calidad de la imagen puede variar drásticamente de un paciente a otro, los investigadores tuvieron en cuenta la irregularidad de los datos entrenando su modelo en diferentes protocolos de toma de imágenes.
El modelo demostró su valía con precisión. predecir el riesgo de muerte de los pacientes y los resultados desfavorables a los seis meses después del incidente traumático. Para validar el modelo, los investigadores de Pitt lo probaron con dos cohortes de pacientes: uno de más de 500 pacientes con TBI grave tratados previamente en UPMC y el otro una cohorte externa de 220 pacientes de 18 instituciones de todo el país, a través del consorcio TRACK-TBI. La cohorte externa fue fundamental para probar la capacidad de predicción del modelo.
«Esperamos que esta investigación muestre que la IA puede proporcionar una herramienta para mejorar la toma de decisiones clínicas tempranamente cuando un paciente con TCE ingresa en la sala de emergencias, hacia produciendo un mejor resultado para los pacientes», dijeron Wu y Okonkwo.
Explore más
El modelo de aprendizaje automático utiliza análisis de sangre para predecir la supervivencia de COVID-19 Más información: Matthew Pease et al, Predicción de resultados en pacientes con lesiones cerebrales traumáticas graves mediante el aprendizaje profundo de la cabeza Tomografías computarizadas, Radiología (2022). DOI: 10.1148/radiol.212181 Información de la revista: Radiología
Proporcionado por la Universidad de Pittsburgh Cita: El modelo de aprendizaje automático puede guiar a los pacientes con lesiones cerebrales traumáticas a cuidados vitales (2022, 26 de abril) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2022-04-machine-traction-brain-injury-patients.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.