人工智能和预测分析为早产儿护理铺平道路
通过新生儿人工智能道德评分 (NAIMS),詹姆斯库克大学的科学家相信他们可能已经发现了一种让早产儿存活的突破性方法。借助 NAIMS,科学家们可以使用人工智能和预测分析来准确评估个体早产儿面临的风险水平。
JCU 工程讲师 Stephanie Baker 领导了这项试点研究,作为她博士工作的一部分。根据贝克的说法,早产并发症是五岁以下儿童的主要原因。此外,超过 50% 的新生儿发生在早产儿身上。
“几乎所有地方的早产率都在增加。在新生儿重症监护病房中,风险评估有助于做出关于应该使用哪些治疗以及治疗是否有效以及何时有效的艰难决定,”贝克在一份新闻稿中说。
为了确定护理计划,早产儿的医生通常会给他们打分,以表明和预测他们面临的风险。
“但这个系统有几个限制。生成分数需要复杂的手动测量、广泛的实验室结果,以及列出母亲特征和现有条件,”贝克说。
另一种方法是测量不变的变量,例如出生体重。然而,这会阻止随着时间的推移重新计算婴儿的风险,并且不会显示婴儿对治疗的反应。
“一个理想的方案是使用基本的人口统计数据和定期测量的生命体征来提供持续评估。这将允许评估不断变化的风险,而不会给医护人员带来不合理的额外负担,”贝克解释说。
新生儿人工智能道德评分 (NAIMS) 是一种混合神经网络,它依赖于人口统计数据以及心率和呼吸频率的趋势来确定婴儿的风险。
“使用 12 小时内生成的数据,NAIMS 在预测婴儿在 3、7 或 14 天内的风险方面表现出色,”贝克继续说道。记录人口统计数据、呼吸频率和心率数据,以准确预测即时风险。”
此外,贝克解释说,该技术速度很快,不需要侵入性程序或病史知识。
“由于我们提出的方案的简单性和高性能,NAIMS 可以轻松地连续自动重新计算,从而能够分析婴儿对治疗和其他健康趋势的反应,”贝克说。
新生儿人工智能道德评分 (NAIMS) 在针对早产儿的医院率记录进行测试时是准确的。此外,它比现有方法更有效;能够根据患者住院期间的任何 12 小时进行风险评估。
贝克说,下一步是与当地医院合作,收集更多数据并继续检测。
“此外,我们的目标是对新生儿重症监护中其他结果的预测进行研究,例如败血症的发生和患者的住院时间,”贝克说。