研究人員使用 NVIDIA GPU 和 AI 更早、更準(zhǔn)確地檢測出重癥監(jiān)護(hù)室患者的譫妄。該研究有望給重癥護(hù)理帶來突破。

檢測譫妄并不容易，但卻可以帶來巨大的回報(bào)，比如加快對患者的基本護(hù)理，使其更快、更穩(wěn)定地恢復(fù)。

檢測能力的提升還可以減少病人對長期專業(yè)護(hù)理的需求，提高病人的生活質(zhì)量并減少他們的主要經(jīng)濟(jì)負(fù)擔(dān)。根據(jù)美國國立衛(wèi)生研究院的數(shù)據(jù)，譫妄患者每年的護(hù)理費(fèi)用高達(dá) 64,000 美元。

在上個(gè)月發(fā)表于《自然》雜志上的一篇論文中，研究人員描述了他們?nèi)绾卫靡粋€(gè)使用 NVIDIA GPU 加速的名為 Vision Transformer 的深度學(xué)習(xí)模型，并結(jié)合一種快速反應(yīng)腦電圖設(shè)備，或 EEG，來檢測重癥老年患者的譫妄癥狀。

這篇名為 《Supervised deep learning with vision transformer predicts delirium using limited lead EEG》的論文由南卡羅來納大學(xué)的 Malissa Mulkey、普渡大學(xué)的 Huyunting Huang、東卡羅來納大學(xué)的 Thomas Albanese和 Sunghan Kim，以及普渡大學(xué)的 Baijian Yang 合著。

他們的創(chuàng)新方法達(dá)到了 97% 的測試準(zhǔn)確率，有望在預(yù)測失智癥方面取得突破。通過利用 AI 和腦電圖，研究人員能夠客觀地評估預(yù)防和治療方法，從而提供更好的護(hù)理。

能夠取得這一出色結(jié)果的原因之一是 NVIDIA GPU 所帶來的加速性能。與使用 CPU 相比，研究人員完成任務(wù)的時(shí)間縮短了一半。

譫妄影響多達(dá) 80% 的危重病患者。但傳統(tǒng)的臨床檢測方法只能識別出不到 40% 的病例，成為了病人護(hù)理方面的一個(gè)重大缺口。目前，篩查重癥監(jiān)護(hù)室的患者需要進(jìn)行主觀的床邊評估。

手持式腦電圖設(shè)備的引入可以使篩查變得更加準(zhǔn)確和經(jīng)濟(jì)，但問題在于缺乏高水平的技術(shù)人員和神經(jīng)學(xué)家。

然而，通過使用 AI，神經(jīng)學(xué)專家無需解讀研究結(jié)果，并且可以在癥狀發(fā)作前大約兩天檢測出與譫妄相關(guān)的變化，此時(shí)患者更容易接受治療。通過 AI，只需要極少的培訓(xùn)就能使用腦電圖。

研究人員將最初為自然語言處理創(chuàng)建并由 NVIDIA GPU 加速的 AI 模型——ViT 應(yīng)用于腦電圖數(shù)據(jù)，提供了一種全新的數(shù)據(jù)解讀方法。

另一個(gè)顯著的研究結(jié)果是使用手持式快速反應(yīng)腦電圖設(shè)備，這樣就不需要大型腦電圖機(jī)器或?qū)I(yè)技術(shù)人員。

這種實(shí)用工具結(jié)合先進(jìn)的 AI 模型后就可以解讀所采集的數(shù)據(jù)，簡化重癥監(jiān)護(hù)室的譫妄篩查工作。

該研究提出了一種檢測譫妄的好方法，可以縮短住院時(shí)間、提高出院率、降低死亡率，并減輕譫妄帶來的經(jīng)濟(jì)負(fù)擔(dān)。

通過將 NVIDIA GPU 的強(qiáng)大功能與創(chuàng)新的深度學(xué)習(xí)模型和實(shí)用的醫(yī)療設(shè)備相結(jié)合，這項(xiàng)研究充分展現(xiàn)了技術(shù)在改善患者護(hù)理方面的巨大潛力。

隨著 AI 的發(fā)展，醫(yī)務(wù)人員越來越依靠它來預(yù)測失智癥等病癥，并進(jìn)行早期干預(yù)，這將徹底改變未來的重癥監(jiān)護(hù)。