Медицинская карта
Плохой врач лечит болезнь, хороший - причину болезни.
  • гепатит
  • Недели беременности

    Беременность по неделям

  • Сколько живут с диагнозом рак
  • Как рыбий жир может уменьшить воспаление

Эксперты Penn раскрывают новый метод машинного обучения на основе данных, который эффективно сигнализирует о рисках после инсульта

2021-02-07 09:56:34

Группа экспертов в области нейрокритической помощи, инженерии и информатики из Медицинской школы Перельмана при Университете Пенсильвании разработала новый способ определения пациентов, у которых инсульт может быть подвержен риску серьезных побочных эффектов после разрыва мозга. аневризма. Эта новая модель машинного обучения, управляемая данными, включает в себя алгоритм для компьютеров, который объединяет результаты различных невазивных тестов для прогнозирования вторичного события. Предварительные результаты были обнародованы на ежегодном собрании Общества нейрокритических врачей в Филадельфии.


Ссылки по теме

Медицинский факультет Перельмана при Пенсильванском университете


Система здравоохранения Пенсильванского университета


Сравнивая ретроспективно 89 случаев пациентов, команда обнаружила, что автоматизированные функции существующих данных интенсивной терапии оказались столь же эффективными, как и процедура транскраниального допплера, используемая в настоящее время для обнаружения опасного сужения кровеносных сосудов в головном мозге. Транскраниальные допплеровские тесты требуют наличия квалифицированного специалиста и часто проводятся только один раз в день, и хотя тест является выборочным и точно выявляет людей, относящихся к группе риска, он не так эффективен (чувствительность 56%) для исключения того, какие пациенты не подвержены большему риску этого серьезного неблагоприятного события.


«Есть прекрасная возможность использовать обширные существующие данные для предоставления рекомендаций и поддержки принятия клинических решений, поскольку эта модель была столь же эффективной и гораздо менее ресурсоемкой», - сказал старший автор Суджин Парк, доктор медицины, доцент кафедры неврологии в Пенсильвании. «Однако, хотя этот простой метод может быть ценным, большинство отделений интенсивной терапии не имеют ИТ-инфраструктуры для подобного объединения данных».


Команда планирует изучить перспективные случаи, чтобы напрямую сравнить этот метод с другими оценками и клиническими решениями. В междисциплинарную исследовательскую группу Пенна входили Алекс Родерер и Инсуп Ли, доктор философии, из информатики и информатики Школы инженерии и прикладных наук (SEAS), Джон Холмс, доктор философии, из медицинской информатики в Центре клинической эпидемиологии и биостатистики, и Суджин Парк. , Доктор медицины, из неврологии Медицинской школы Перельмана и компьютерных и информационных наук в SEAS.


Это исследование - одно из дюжины исследований и докладов Пенсильванской медицины, представленных на Ежегодном собрании Общества нейрокритической помощи . В дополнение к исследованиям, посвященным церебральному кровотоку и уходу за пациентами в конце жизни в отделении нейроанимации, эксперты из Пенсильвании также ведут беседы по черепно-мозговой травме, управлению дыхательными путями и терапевтическому управлению температурой. Мониша Кумар, доктор медицины , доцент кафедры неврологии, также участвует в консенсусной конференции Общества по мультимодальному мониторингу.


Отделение нейрокритической помощи Пенна, официально созданное в 2004 году и возглавляемое Джошуа Левин, доктором медицины , доцентом неврологии, заботится о пациентах, обучая новое поколение экспертов. Программа занимает второе место по количеству стипендиатов, обучающихся в области нейрокритической помощи в Соединенных Штатах. В больнице Университета Пенсильвания Unit Neurocritical Care , травматологический центр уровня I и травма Центра острого мозга, команда работает в одном из самых технологически сложных единиц neurocritical ухода в стране, единственный академическое учреждение такого рода в регионе .

Оставьте комментарии и отзывы!

Используйте нормальные имена. Ваш комментарий будет опубликован после проверки.

(обязательно)