Modelowanie wyników klinicznych szybkiej dynamiki w ostrym udarze mózgu

Udar – wciąż druga najczęstsza przyczyna śmierci i główna przyczyna niepełnosprawności neurologicznej dorosłych w świecie zachodnim – charakteryzuje się szybkimi zmianami w czasie i wyraźną zmiennością wyników. Stan pacjenta może się poprawić lub pogorszyć w ciągu kilku minut, a wynikająca z tego niepełnosprawność może wahać się od oczywistego całkowitego paraliżu do subtelnej, zależnej od zadania utraty koordynacji pojedynczej kończyny.

W przeciwieństwie do wielu innych zaburzeń neurologicznych, udar może być wyjątkowo wrażliwy na szybkie i inteligentnie dostosowane leczenie, nagradzając innowacje w świadczeniu opieki za realny, namacalny wpływ na wyniki pacjentów. Optymalne leczenie wymaga zatem zarówno szczegółowej charakterystyki obrazu klinicznego pacjenta, jak i jego zmian w czasie.

Prawdopodobnie najważniejszy aspekt obrazu klinicznego pacjenta – ruch ciała – pozostaje wyjątkowo słabo udokumentowany: oceniany ilościowo jedynie subiektywnie iw rzadkich odstępach czasu w ewolucji klinicznej pacjenta. Połączenie sztucznej inteligencji z obliczeniami o wysokiej wydajności umożliwia teraz automatyczne pobieranie szkieletu pacjenta z podziałem na główne stawy, takie jak patyk, w sposób prosty, bezpieczny i niedrogi, bez użycia uciążliwego noszenia znaczniki. Centralnym elementem tej technologii jest prywatność pacjenta, z ramą szkieletową pobieraną w czasie rzeczywistym, co gwarantuje, że żadne dane wideo, na podstawie których można zidentyfikować pacjentów, nie będą przechowywane ani przesyłane przez urządzenie.

Nasz system kategoryzacji ruchu — MoCat — zostanie wykorzystany do badania szybkiej dynamiki ostrego udaru mózgu, płynnie osadzonej w strumieniu klinicznym. Kwantyfikując zmiany deficytu motorycznego w czasie, zbadamy związek między tymi trajektoriami a wynikami klinicznymi i opracujemy modele predykcyjne, które mogą wspierać zarządzanie kliniczne i optymalizować świadczenie usług.