Bruk av kunstig intelligens (AI)-assistert pulsdiagnoseanalyse på presisjonskritisk medisin.

Presisjon/personlig medisin blir en viktig del av moderne medisinsk system de siste årene. Tidligere har behandlingene for pasienter blitt bestemt av leger i henhold til pasientenes symptomer og/eller vanlige biokjemiske profiler. Det er imidlertid ikke uvanlig at pasientenes tilstand varierer enormt selv om de har samme diagnose, og under en slik tilstand kan behandlingseffekten være begrenset på grunn av heterogeniteten blant pasientene. Derfor kan mangel på terapeutisk effekt ikke være virkelig ineffektiv, og hovedårsaken kan være utilstrekkelig pasientklassifisering. Av denne grunn dukker den "omics"-baserte personlig/presisjonsmedisinen opp nylig og blir mer og mer viktig. I motsetning til gjennomførbar og vanlig "personlig tilpasset" medisin, er tilnærmingen av presisjonsmedisin til det molekylære medisinnivået fortsatt vanskelig, spesielt blant pasienter i intensive kritiske enheter (ICUs). I motsetning til kreft, som har gjort bemerkelsesverdige fremskritt de siste tiårene, er presisjon/personlig medisin vanskeligere i kritisk og fremvoksende medisin. En grunn er at mengden omics-data er ganske stor, og derfor er det tidkrevende å håndtere omics-data. Derfor er det ikke effektivt i daglig klinisk praksis på intensivavdelinger. For denne tilstanden foreslår etterforskerne at kombinasjonen av kliniske data, inkludert pulsdiagnose av tradisjonell kinesisk medisin (TCM) lege eller ANSwatch håndleddsfygmomanometer, væskerespons av "Masimo" Radical-7 Pulse CO-Oximeter, og den spesifikke databasen fra monitorer på intensivavdelinger kan være en mulig måte å forutsi utfall blant intensivpasienter. Det er to hovedmål for denne studien: (1) Etter å ha etablert klinisk tradisjonell kinesisk medisin (TCM) pulsdiagnose og ICU kliniske parameterdatabaser, innhenting og funksjoner ved pulsdiagnose ved å bruke AI og (2) analysere korrelasjonene mellom egenskapene til puls diagnose og viktige kliniske parametere.