SpStinet - vwpChiTiet

 

Sử dụng kỹ thuật học sâu để kiểm soát mức độ mê của bệnh nhân trong quá trình gây mê

Các nhà nghiên cứu tại Viện Công nghệ Massachusetts (MIT) và Bệnh viện Đa khoa Massachusetts (Mỹ) gần đây đã sử dụng kỹ thuật học sâu tăng cường để kiểm soát mức độ mê của bệnh nhân được gây mê.

Nhóm nghiên cứu đã sử dụng phương pháp học tăng cường trong môi trường mô phỏng để phát triển một mạng nơ-ron sâu và đào tạo nó kiểm soát liều lượng thuốc gây mê. Họ tập trung nghiên cứu về liều lượng Propofol (loại thuốc thường được sử dụng để gây mê toàn thân hoặc an thần cho bệnh nhân đang trải qua các thủ thuật y tế).

Các nhà nghiên cứu đã đào tạo mạng nơ-ron dựa trên dữ liệu mô phỏng của bệnh nhân, từ các mô hình dược động lực học, với các tham số ngẫu nhiên và phương pháp entropy chéo trong các thử nghiệm đào tạo. Qua đó, mạng nơ-ron học được cách lập bản đồ trạng thái gây mê có thể quan sát được, với liều lượng Propofol cố định.

Trong quá trình đánh giá hiệu quả của mô hình, các nhà nghiên cứu đã tiến hành truyền liên tục, thay vì truyền một liều cố định. Mạng nơ-ron đã cho kết quả vượt trội so với bộ điều khiển dẫn xuất PID (proportional-integral-derivative), vốn dùng để xác định liều lượng thuốc mê tối ưu.

Gabriel Schamberg, một trong những nhà nghiên cho biết: “Phương thức của chúng tôi vượt trội so với dùng PID. Kết quả chuyển hóa và tác dụng của thuốc khá tốt cho nhiều bệnh nhân”.

Phương pháp này có ưu điểm chính là có thể mở rộng các biến số lâm sàng giám sát và mối liên quan giữa các biến đầu vào và liều lượng khuyến nghị.

"Mạng nơ-ron sâu cho phép chúng tôi tạo mô hình với nhiều dữ liệu đầu vào liên tục, do đó sẽ kiểm soát chặt chẽ hơn so với phương pháp trước đây", Schamberg cho biết thêm.

Nghiên cứu này có thể giúp các bác sĩ gây mê xác định liều lượng Propofol lý tưởng cho từng bệnh nhân, với các mức độ gây mê khác nhau. Tuy nhiên, mô hình cho đến nay mới chỉ được thử nghiệm trong mô phỏng, vì vậy, trước khi có thể được áp dụng vào thực tế, cần phải trải qua các thử nghiệm lâm sàng, với bệnh nhân thực.

Kết quả này ​​được công bố trong kỷ yếu của Hội nghị Quốc tế về Trí tuệ nhân tạo trong Y học năm 2020

Diệu Huyền (CESTI) - Theo Techxplore.com

Các tin khác: