자동 혼수 예후를 위한 Point of Care 시스템 개발

문제: 혼수 상태는 다양한 원인이 있는 무의식 상태입니다. 혼수 상태 결과 예측을 위한 전통적인 테스트는 주로 일련의 임상 관찰(예: 동공 수축)을 기반으로 합니다. 그러나 최근에는 이벤트 관련 전위(ERP; 청각, 시각 또는 촉각 자극에 대한 일시적 뇌파도[EEG] 반응)가 긍정적인 혼수 상태 결과(즉, 출현)의 유용한 예측 인자로 도입되었습니다. 그러나 그러한 검사에는 숙련된 신경생리학자가 필요하며 이러한 사람은 부족합니다. 또한 현재의 접근 방식 중 어느 것도 임상 환경에서 결정적인 예후를 제공하기에 충분한 긍정적 및 부정적 예측 정확도를 가지고 있지 않습니다.

목표: 조사관은 환자 EEG(환자 50명과 건강한 대조군 40명)를 분석하기 위해 혁신적인 기계 학습 방법을 적용하여 현재 방법에 비해 혼수 상태 예후의 정확도를 크게 향상시킬 수 있는 단순하고 객관적이며 복제 가능하고 저렴한 현장 진료 시스템을 개발합니다. . 제안된 시스템의 물리적 요구 사항은 EEG 시스템(의료 장비 측면에서 저렴함)과 기존 노트북 컴퓨터로만 구성됩니다.

방법론: 조사관은 팀의 최신 알고리즘을 확장하고 ERP 구성 요소의 자동 분석 및 감지를 위한 기계 학습 도구를 개발하려고 합니다. 이와 관련하여 팀의 예비 결과는 매우 유망했습니다. ERP에서 추출한 가장 두드러진 특징(즉, 바이오마커)을 식별하고 최적의 방식으로 결합하여 정확한 예후 지표를 제공합니다. 기능은 휴식 상태의 뇌 네트워크와 ERP 신호 처리와 관련된 네트워크 궤적에서 추출됩니다.

의의: 제안된 작업을 통해 중환자 치료 의사는 빠르고 정확하게 혼수 예후를 평가할 수 있습니다. 따라서 가족과 그들의 의료 팀은 파괴적인 신경 손상의 결과를 다루는 맥락에서 치료 및 생명 유지 요법의 목표에 대한 논의를 안내할 수 있는 가장 정확한 정보를 제공받을 것입니다.