Kunstig intelligens cerebral grå-hvidt stofforholdsmodulforbrug i Hsinchu-distriktet Hsinchu-distrikt ved hjælp af en kunstig intelligens cerebral grå-hvidt stof-forholdsmodul

Formålet med denne undersøgelse er at etablere en elektronisk medicinsk registrering og billeddannelsesdatabase til patienter med hjerteopstilling uden for hospitalet på National Taiwan University Hospital Hsinchu Branch. Vores team har udviklet en AI Deep Learning-model og et automatiseret analysesystem til hjernegrå-hvidt stof baseret på data fra National Taiwan University Hospital.

Denne udvikling valideres eksternt ved hjælp af databasen hos Hsinchu Branch i dette projekt. Nøjagtig prognosevurdering er afgørende for læger og familier i at træffe beslutninger vedrørende plejeperiode efter hjemmet. Imidlertid har de nuværende tilgængelige vurderingsværktøjer begrænset nøjagtighed. Denne undersøgelse sigter mod at udvikle en multimodal prognostisk evalueringsmodel, der kombinerer elektroniske medicinske poster og det automatiserede analysesystem for hjernegråhvide stof. Denne integration vil forbedre nøjagtigheden og forudsigelsesevnen for prognosevurdering. Forskningsteamet har allerede udviklet et automatiseret analysesystem til beregning af hjerne-grå-hvidt stofforhold fra hjernecomputeret tomografibilleder, hvilket giver vigtige oplysninger om patologiske ændringer i hjernen.

Derudover har teamet også udviklet en AI-baseret forudsigelsesmodel til prognose efter hjertestop, der indeholder flere indikatorer og variabler. Dette system er blevet valideret ved hjælp af data fra National Taiwan University Hospital.

For yderligere at validere nøjagtigheden og pålideligheden af ​​vores modeller planlægger forskerteamet at samarbejde med Hsinchu-filialen i indsamling og organisering af relevante data for patienter efter hjemmet, herunder elektroniske medicinske poster og billeddannelsesfiler. Det udviklede automatiserede analysesystem til hjernegrå-hvidt stof og den AI-baserede forudsigelsesmodel vil blive anvendt til ekstern validering. Gennem denne forskning er målet at etablere og optimere en mere omfattende og nøjagtig prognosevurderingsmodel, der hjælper læger og familier med at træffe bedre beslutninger for patienter efter hjemmet.

Desuden vil samarbejdet med Hsinchu -filialen muliggøre validering af vores modellers ansøgning i forskellige medicinske institutioner og patientpopulationer.