Новую технологию для обнаружения низкого уровня глюкозы через ЭКГ с помощью неинвазивной носимого датчика, который с новейшим искусственным интеллектом может обнаруживать события гипогликемические из необработанных сигналов ЭКГ было сделано учеными из Университета Уорика.Доктор Леандро Pecchia с помощью новой технологии из Университета Уорика.
В настоящее время непрерывного мониторинга глюкозы (CGM) доступны на NHS для обнаружения гипогликемии (уровень сахара в крови или дерьма). Они измеряют уровень глюкозы в межклеточной жидкости с помощью инвазивного датчика с маленькой иглой, которая посылает сигналы тревоги и данные на устройстве отображения. Во многих случаях они требуют калибровки два раза в день с инвазивным пальца анализы уровня глюкозы в крови.
Однако, доктор Леандро Pecchia команда из Университета Уорика сегодня, 13-го января 2020 года результаты опубликованы в документе под названием Precision медицина и искусственный интеллект: экспериментальное исследование глубинного обучения для hypoglycemic случаев обнаружения на основе ЭКГ в природе Спрингер-журнале Научные доклады, доказывающие, что, используя последние достижения искусственного интеллекта (т. е. глубокое изучение), они могут обнаружить гипогликемические события из сырого ЭКГ-сигналов, приобретенных с вне-шельфа неинвазивная носимых датчиков.
Два экспериментальных исследованиях со здоровыми добровольцами средние чувствительность и специфичность около 82% для обнаружения гипогликемии, что сопоставимо с текущими показателями ЦГМ, хотя неинвазивная.
Доктор Леандро Pecchia из Инженерной школы при Университете Уорвика комментарии:
«Fingerpicks никогда не бывают приятными, а в некоторых случаях крайне неудобно. Принимая fingerpick ночью, конечно, это неприятно, особенно для пациентов детского возраста.
«Наше новшество состояло в использовании искусственного интеллекта для автоматического обнаружения гипогликемии через несколько ЭКГ экстрасистолия. Это важно, поскольку ЭКГ можно обнаружить в любых обстоятельствах, в том числе спящие».
На рисунке показан выходной алгоритмов со временем: зеленая линия представляет нормальный уровень глюкозы, в то время как красная линия представляет низкий уровень глюкозы. Горизонтальная линия представляет 4mmol/л глюкозы стоимости, которая является существенным порог для случаев гипогликемии. Серая область вокруг непрерывная линия отражает измерения ошибки.
Модель Ворвик показано, как изменения ЭКГ по каждому предмету в случае гипогликемии. На рисунке ниже является примером. Сплошные линии представляют среднее сердцебиение-два разных субъекта, когда уровень глюкозы нормальный (зеленая линия) или низкий (красная линия). Красные и зеленые тени представляют стандартное отклонение сердцебиений вокруг среднего.
Сравнение подчеркивает, что эти два субъекта имеют разные формы волны ЭКГ изменения при гипо событий. В частности, тема 1 представлена заметно дольше интервала QT во время гипо, в то время как субъект 2 не.
Вертикальные полосы представляют относительную важность каждой волны ЭКГ в определении, если сердцебиение классифицируется как гипо-или нормальный.
Из этих баров, квалифицированный врач видит, что за объект 1, т-волна смещения влияет классификации, отражает то, что когда объект находится в гипо, в расположилсяспортивно желудочков происходит медленнее.
В теме 2, самых важных составляющих ЭКГ Р-волны и рост Т-волны, предполагая, что, когда этот объект находится в гипо, в деполяризации предсердий и порог для активации желудочков особенно страдают. Это может повлиять на последующие клинические вмешательства.
Такой результат становится возможным потому, что модель ИИ Warwick-это обучение при помощи собственных данных каждого субъекта. Межпредметные различия настолько существенны, что обучение системы с помощью данных когортного бы не дать те же результаты. Аналогичным образом, индивидуальное лечение на основе нашей системы может быть более эффективным, чем существующие подходы.
Д-р комментарии Леандро Pecchia:
«Различия говорилось выше может объяснить, почему предыдущие исследования с применением ЭКГ для выявления событий гипогликемическая не удалось. Производительность алгоритмов ИИ обучается свыше когорты ЭКГ-данных будет затруднено этими межпредметных различия».
«Наш подход позволит персонализировать настройки алгоритмов обнаружения и подчеркнуть, как гипогликемические события влияют на ЭКГ у лиц. Опираясь на эту информацию, врачи могут приспособить терапию к каждому отдельному. Явно больше исследований необходимо, чтобы подтвердить эти результаты в более широких групп населения. Именно поэтому мы ищем партнеров».
сделать разницу: спонсорские возможности
Ответить
Хотите присоединиться к обсуждению?Не стесняйтесь вносить свой вклад!