检测谵妄并不容易,但它可以带来巨大的回报:加快对患者的基本护理,从而实现更快、更可靠的康复。
改进的检测还减少了对长期熟练护理的需求,提高了患者的生活质量,同时减轻了重大的经济负担。根据美国国立卫生研究院的数据,在美国,治疗每位谵妄症患者每年的费用高达64,000美元。
先前在《Nature》杂志上发表的一篇论文中,研究人员描述了他们如何使用由NVIDIA GPU加速的名为Vision Transformer的深度学习模型以及快速响应脑电图(EEG)设备来检测危重老年人的谵妄状态。
这篇论文为《使用有限铅脑电图透过Vision Transformer进行监督深度学习预测谵妄》,由南卡罗来纳大学的Malissa Mulkey、普渡大学的Huyunting Huang、东卡罗来纳大学的Thomas Albanese和Sunghan Kim,以及普渡大学的Baijian Yang所撰写。
运用GPU实现97%测试准确率
他们的创新方法实现了97%的测试准确率,有??在预测失智症方面取得潜在突破。透过利用人工智慧和脑电图,研究人员可以客观地评估预防和治疗方法,从而获得更好的护理。
这一令人印象深刻的结果部分归功於NVIDIA GPU的加速性能,与CPU相比,研究人员能够以一半的时间完成任务。
高达80%的危重患者患有谵妄。然而,传统的临床检测方法只能识别不到 40%的病例,这显示患者护理方面存在巨大差距。目前,筛查重症加护病房(ICU)患者需要主观床边评估。
采用手持式脑电图设备可以使筛查更加准确且经济实惠,但缺乏熟练的技术人员和神经科医生构成了挑战。
图二 : Vision Transformer的推论模型(source:paperswithcode.com) |
|
然而,人工智慧的使用可以消除神经科医生解释研究结果的需要,并允许在症状出现前大约两天检测与谵妄相关的变化,此时患者更容易接受治疗。它还使得只需最少的培训即可使用脑电图。
研究人员将一种名为ViT的人工智慧模型应用於脑电图数据,该模型最初是为自然语言处理而建立并由NVIDIA GPU加速,从而提供了一种新的数据解释方法。
另一个值得注意的研究发现,则是使用手持式快速反应脑电图设备,不需要大型脑电图机器或专业技术人员。这种实用的工具与用於解释收集的数据的先进人工智慧模型相结合,可以简化重症监护病房的谵妄筛查。
该研究提出了一种很有前景的谵妄检测方法,可以缩短住院时间、提高出院率、降低死亡率并减轻与谵妄相关的经济负担。
透过将NVIDIA GPU的强大功能与创新的深度学习模型和实用医疗设备相结合,这项研究强调了技术在增强患者护理方面的变革潜力。
随着人工智慧的成长和发展,医疗专业人员越来越有可能依靠它来预测失智症等疾病并尽早进行干预,从而彻底改变重症监护的未来。
**刊头图(source:pexels.com)