机器学习可以帮助减少进行非心脏手术后死亡

博士领导的一个新的研究西澳大利亚大学的研究人员发现,使用电脑或机器学习人工智能可以帮助减少进行非心脏手术后并发症常见的心血管疾病,包括心脏病和心脏肌肉受伤。

詹尼斯·Nolde博士,从珀斯映象的医学院和皇家医院,和一个国际研究小组的研究人员评估数据来自24000多个参与者进行非心脏手术患者的血管事件队列评价(愿景)的研究中,研究结果发表在麻醉。

团队想要确定机器学习和数据可以预测并发症尤其是心血管并发症手术(除了心脏手术)之前发生,从而更好地识别和治疗脆弱的病人。

“每年,有超过2亿名患者接受全球主要进行非心脏手术,其中大约1000万在30天内经历一个重要的心血管事件,从而导致更高的死亡率,健康状况不佳和减少长期生存,”Nolde博士说。

“手术后最常见的心血管并发症是心脏病和损伤心肌,但他们往往很难发现,因为症状可以隐藏和常规测试可能想念他们。”

使用一个敏感的实验室测试,衡量一个蛋白(肌钙蛋白)释放到血液时损坏或心肌损伤,研究小组发现,六分之一的患者术后前三天水平会升高。

“这个条件,称为后心肌损伤进行非心脏手术,与死亡和其他严重并发症的风险大大增加在未来几周但是预测是困难的变量如年龄、健康,任何潜在的医学疾病,或手术后早期时出现的问题,都需要被考虑,”Nolde博士说。

“机器学习,尤其是神经网络这些技术提供了一种有前途的方法,能够分析大量数据和识别复杂的模式和关系,否则是很难发现。他们非常适应,所以可以实现和适应许多不同的设置”。

医学教授映象和皇家珀斯医院的心脏病学主管格雷厄姆·希利斯说,这项研究的结果表明,将机器学习技术与定期收集数据之前,期间和之后的手术可能是一种很有前途的方法更好的识别高危患者和那些随着时间的推移可能会增加风险。

“这可能使卫生保健专业人员在早期发现问题并尽早干预,以减少潜在的并发症,”希利斯教授说。“进一步工作计划调整这些方法和嵌入到日常保健。”