Kunstmatige intelligentie cerebrale grijs-witte materie ratio module gebruik in het district Hsinchu district Hsinchu district met behulp van een kunstmatige intelligentie cerebrale grijs-witte materie ratio module

Het doel van deze studie is om een ​​elektronisch medisch dossier en de beeldvormingsdatabase op te zetten voor patiënten buiten het ziekenhuis met hartstilstand in het National Taiwan University Hospital Hsinchu Branch. Ons team heeft een AI Deep Learning Model en een geautomatiseerd analysesysteem ontwikkeld voor grijswitte materie van hersenen op basis van gegevens van het National Taiwan University Hospital.

Deze ontwikkelingen worden extern gevalideerd met behulp van de database bij Hsinchu Branch in dit project. Nauwkeurige prognose-beoordeling is cruciaal voor artsen en gezinnen bij het nemen van beslissingen over de zorgperiode na de cardiale arrestatie. De huidige beschikbare beoordelingsinstrumenten hebben echter een beperkte nauwkeurigheid. Deze studie heeft als doel een multimodaal prognostisch evaluatiemodel te ontwikkelen dat elektronische medische dossiers combineert en het geautomatiseerde analysesysteem voor grijze materie van de hersenen. Deze integratie zal de nauwkeurigheid en het voorspellende vermogen van prognose -beoordeling verbeteren. Het onderzoeksteam heeft al een geautomatiseerd analysesysteem ontwikkeld voor het berekenen van grijs-witte materieverhouding van de hersenen uit hersen computertomografiebeelden, waardoor belangrijke informatie wordt geboden over pathologische veranderingen in de hersenen.

Bovendien heeft het team ook een AI-gebaseerd voorspellend model ontwikkeld voor prognose na de cardiale arrestatie, met meerdere indicatoren en variabelen. Dit systeem is gevalideerd met behulp van gegevens van het National Taiwan University Hospital.

Om de nauwkeurigheid en betrouwbaarheid van onze modellen verder te valideren, is het onderzoeksteam van plan om samen te werken met Hsinchu Branch bij het verzamelen en organiseren van relevante gegevens van patiënten met postcardiale arrestatie, waaronder elektronische medische dossiers en beeldvormende bestanden. Het ontwikkelde geautomatiseerde analysesysteem voor grijswitte materie van hersenen en het AI-gebaseerde voorspellende model zal worden toegepast voor externe validatie. Door dit onderzoek is het doel om een ​​uitgebreider en nauwkeuriger prognose-beoordelingsmodel op te zetten en te optimaliseren, artsen en gezinnen te helpen bij het nemen van betere beslissingen voor patiënten na de cardiale arrestatie.

Bovendien zal de samenwerking met Hsinchu -tak de validatie van de toepasselijkheid van onze modellen in verschillende medische instellingen en patiëntenpopulaties mogelijk maken.