Inteligencia artificial Uso del módulo de la relación de materia gris-blanca cerebral en el distrito de Hsinchu Distrito de Hsinchu utilizando un módulo de relación de relación de materia gris-blanca de inteligencia artificial

El propósito de este estudio es establecer una base de datos electrónica de registros médicos e imágenes para pacientes de paro cardíaco fuera del hospital en la sucursal Hsinchu del Hospital Nacional de la Universidad de Taiwán. Nuestro equipo ha desarrollado un modelo de aprendizaje profundo de IA y un sistema de análisis automatizado para la materia cerebro gris-blanca basada en datos del Hospital Nacional de la Universidad de Taiwán.

Estos desarrollos se validarán externamente utilizando la base de datos en la sucursal HSinchu en este proyecto. La evaluación precisa del pronóstico es crucial para los médicos y las familias al tomar decisiones con respecto al período de atención posterior al paro cardíaco. Sin embargo, las herramientas de evaluación disponibles actuales tienen una precisión limitada. Este estudio tiene como objetivo desarrollar un modelo de evaluación pronóstica multimodal que combine registros médicos electrónicos y el sistema de análisis automatizado para la materia gris braywhite. Esta integración mejorará la precisión y la capacidad predictiva de la evaluación del pronóstico. El equipo de investigación ya ha desarrollado un sistema de análisis automatizado para calcular la relación de materia gris-blanca cerebral a partir de imágenes de tomografía computarizada del cerebro, proporcionando información importante sobre los cambios patológicos en el cerebro.

Además, el equipo también ha desarrollado un modelo predictivo basado en IA para el pronóstico del paro post-carardíaco, incorporando múltiples indicadores y variables. Este sistema ha sido validado utilizando datos del Hospital Nacional de la Universidad de Taiwán.

Para validar aún más la precisión y confiabilidad de nuestros modelos, el equipo de investigación planea colaborar con la sucursal de Hsinchu para recopilar y organizar datos relevantes de pacientes de paro post-carardíaco, incluidos registros médicos electrónicos y archivos de imágenes. El sistema de análisis automatizado desarrollado para la materia gris-blanca cerebral y el modelo predictivo basado en IA se aplicarán para la validación externa. A través de esta investigación, el objetivo es establecer y optimizar un modelo de evaluación de pronóstico más integral y preciso, ayudando a los médicos y las familias a tomar mejores decisiones para los pacientes de paro cardíaco.

Además, la colaboración con la sucursal de Hsinchu permitirá la validación de nuestros modelos, la capacidad de aplicación en diferentes instituciones médicas y poblaciones de pacientes.