LegközelebbKövetkező útmutató
Virtuális ápolás és mesterséges intelligencia távfelügyelet
Iparágak
Iparági ÚTMUTATÓ
A szülészetben a mesterséges intelligencia szoftver segítségével értelmezi a magzati pulzusnyomokat (CTG), irányítja és méri a prenatális ultrahangot, és megbecsüli a terhes személy szövődményeinek, például preeclampsia kockázatát.
Hallgassa meg ezt az útmutatótAI-narrált · ~3 min
Ez azért fontos, mert a CTG-nyomok leolvasása köztudottan ellentmondásos a klinikusok között, és sok helyen kevés az ultrahangos készség, a számítógépes CTG támogatás eddigi legszigorúbb kísérlete azonban nem javított a babák eredményein.
A kardiotokográfia (CTG) rögzíti a magzat szívfrekvenciáját és a méhösszehúzódásokat. A klinikusok a kiindulási arányt, a változékonyságot, a gyorsulásokat és a lassulásokat vizsgálják. A probléma az, hogy a szakértők gyakran nem értenek egyet ugyanarról a nyomról, és a CTG-n magas a hamis pozitív arány, ami hozzájárul az olyan beavatkozásokhoz, mint a sürgősségi császármetszés. A számítógépes elemzés nem új keletű. Az Oxfordban kifejlesztett Dawes-Redman kritériumokat régóta használják a születés előtti CTG-k szabályalapú szoftverrel történő elemzésére. A munkaerő vonatkozásában a 2017-ben közzétett, körülbelül 46 000 nő részvételével zajló brit INFANT-próba döntéstámogató szoftvert tesztelt, amely figyelmeztette a személyzetet a CTG-mintázatokra. Nem talált javulást a rossz újszülöttkori eredményekben a szokásos ellátáshoz képest. Ez az eredmény arra figyelmeztet, hogy ne feltételezzük, hogy az automatizált értelmezés javítja az ellátást. Az újabb kutatások, beleértve az oxfordi gépi tanulási munkát is, a meglévő szabályok kódolása helyett az eredményekhez kapcsolódó nyomok nagy archívumából próbálnak mintákat tanulni. Az ultrahangos segítség láthatóan sikeresebb. A gyártók olyan funkciókat adtak hozzá, amelyek felismerik a szabványos nézeteket, elhelyezik a mérőtollokat és ellenőrzik a képminőséget. A kutatók azt is kimutatták, hogy a mesterséges intelligencia meg tudja becsülni a terhességi kort és a magzat helyzetét az ultrahangos képzettséggel nem rendelkező emberek által végzett vak söpörések alapján, ami segíthet ott, ahol kevés a képzett szonográfus. A preeclampsia kockázatának előrejelzését gyakran mesterséges intelligenciaként írják le, de a Fetal Medicine Foundation legjobban megalapozott megközelítése egy statisztikai, versengő kockázati modell, amely kombinálja az anyai tényezőket, az átlagos artériás nyomást, a méhartéria pulzitási indexét és a placenta növekedési faktorát. Az ASPRE vizsgálat kimutatta, hogy az ezzel a modellel végzett szűrés és a magas kockázatú nőknek aszpirin adása jelentősen csökkentette a koraszülött preeclampsiát. Az egészségügyi rekordokat használó gépi tanulási modelleket kiegészítésként tanulmányozzák. Elterjedt tévhit, hogy a mesterséges intelligencia már jobban meg tudja mondani, ha egy baba bajban van, mint egy szülésznő. A jelenlegi bizonyítékok nem azt mutatják, hogy a munkaügyi CTG esetében.
A vajúdó osztály megfigyelőrendszere számítógépes kritériumokat alkalmaz a szülés előtti CTG-re, és jelentést készít arról, hogy a nyomkövetés megfelel-e a normalitási kritériumoknak, így segít a személyzetnek eldönteni, hogy a megfigyelés leállítható-e.
Az alacsony erőforrás-igényű klinikán egy szülésznő egyszerű vaksöprést végez kézi szondával, az AI-modell pedig képzett szonográfus nélkül becsüli meg a terhességi kort a videó alapján.
A szonográfus ultrahang készüléke automatikusan felismeri a magzat szokásos képét, és fej- és hasi méréseket javasol, amelyeket a szonográfus ellenőriz és beállít.
Az első trimeszterben végzett látogatáskor a klinika az anyai anamnézist, a vérnyomást, a méhartéria Doppler-vizsgálatát és a placenta növekedési faktor vérvizsgálatát egy kockázati algoritmusban kombinálja, hogy eldöntse, ki szedje az alacsony dózisú aszpirint.
Az ultrahangos irányítás az a terület, amely a legvalószínűbb, hogy elterjedjen, különösen az olyan eszközök, amelyek lehetővé teszik a kevésbé képzett személyzet számára, hogy hasznos mérési eredményeket kapjanak, feltéve, hogy azokat validálják abban a környezetben, ahol használni fogják. A munkaügyi CTG esetében az INFANT eredmény azt jelenti, hogy az új gépi tanulási rendszereknek olyan leendő kísérletekre lesz szükségük, amelyek jobb eredményeket mutatnak a csecsemők és az anyák számára, nem csak a szakértőkkel való megegyezés. A preeclampsia szűrése valószínűleg továbbra is a megalapozott statisztikai modellekre fog támaszkodni, míg a kutatók azt tesztelik, hogy a rekordalapú gépi tanulás hozzáadott-e értéket. A súlyos következmények ritkasága és a szülészeti döntések jogi súlya mindvégig elengedhetetlenné teszi a gondos értékelést.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
A szülészetben a mesterséges intelligencia szoftver segítségével értelmezi a magzati pulzusnyomokat (CTG), irányítja és méri a prenatális ultrahangot, és megbecsüli a terhes személy szövődményeinek, például preeclampsia kockázatát. Ez azért fontos, mert a CTG-nyomok leolvasása köztudottan ellentmondásos a klinikusok között, és sok helyen kevés az ultrahangos készség, a számítógépes CTG támogatás eddigi legszigorúbb kísérlete azonban nem javított a babák eredményein.
A CTG nyomon követi a magzat szívverését az összehúzódások mellett; a klinikusok értelmezik az alapvonalat, a változékonyságot, a gyorsulásokat és lassulásokat.
A 2017-es, körülbelül 46 000 nő bevonásával végzett kísérlet azt mutatta, hogy az automatizált riasztások nem javították az eredményeket, ezért nem szabad azt feltételezni, hogy az automatizálás segít.
Az Oxfordban kifejlesztett adatok azt mutatják, hogy a számítógépes CTG-elemzés megelőzi a modern gépi tanulást.
A modell szabványos sweepekből értelmezi a videót, így a felhasználóknak nem kell maguknak megtalálniuk a szabványos nézeteket.
Ez a versengő kockázati modell az anamnézist, a vérnyomást, a Doppler-vizsgálatot és a vérmarkert kombinálja az első trimeszterben.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
Virtuális ápolás és mesterséges intelligencia távfelügyelet
Iparágak