Моделирование клинического исхода быстрой динамики острого инсульта

Инсульт — по-прежнему вторая по распространенности причина смерти и основная причина неврологической инвалидности взрослых в западном мире — характеризуется быстрыми изменениями с течением времени и заметной изменчивостью исходов. Состояние пациента может улучшиться или ухудшиться в течение нескольких минут, и возникающая в результате инвалидность может варьироваться от очевидного полного паралича до тонкой, зависящей от выполняемой задачи дискоординации одной конечности.

В отличие от многих других неврологических расстройств, инсульт может быть чрезвычайно чувствителен к быстрому и разумно подобранному лечению, вознаграждающему инновации в оказании помощи с реальным, ощутимым влиянием на результаты лечения пациентов. Поэтому для оптимального лечения требуется как подробная характеристика клинической картины пациента, так и характер ее изменений с течением времени.

Возможно, самый важный аспект клинической картины пациента — движение тела — остается на удивление плохо документированным: количественно оценивается только субъективно и через нечастые промежутки времени в клинической эволюции пациента. Сочетание искусственного интеллекта с высокопроизводительными вычислениями теперь позволяет автоматически извлекать скелетную структуру пациента, разрешенную до основных суставов, как у человечка-палки, для простой, безопасной и недорогой доставки без использования громоздкого ношения тела. маркеры. Центральным элементом этой технологии является конфиденциальность пациента, при этом скелетный кадр извлекается в режиме реального времени, что гарантирует, что видеоданные, по которым можно идентифицировать пациентов, не будут храниться или передаваться устройством.

Наша система категоризации движений — MoCat — будет использоваться для изучения быстрой динамики острого инсульта, органично встраиваясь в клинический поток. Путем количественной оценки изменения моторного дефицита с течением времени мы изучим взаимосвязь между этими траекториями и клиническими исходами и разработаем прогностические модели, которые могут поддержать клиническое ведение и оптимизировать оказание помощи.