top of page

Our  Biotech
Projetos

 

AI (Inteligência Artificial) em Ventilação Mecânica para pacientes de UTI


Os ventiladores mecânicos atuais funcionam bem no fornecimento de ar aos pulmões doentes,

eles são  sistemas de malha aberta onde o sinal de entrada, ou modo de ventilação, não é afetado pela sua saída, a adequação da ventilação.

Assim, esses ventiladores não têm capacidade para avaliar a real resposta do paciente à
deu fôlego. Uma solução ideal é a criação do ventilador autônomo , um dispositivo integrado com algoritmos,  que pode monitorar a resposta do paciente à ventilação continuamente, enquanto ajusta os parâmetros ventilatórios para fornecer ao paciente respiração baseada em algoritmos.
Métodos de aprendizado de máquina para detectar assincronia paciente-ventilador podem  ser baseados em

alterações morfológicas dos sinais de pressão e fluxo.

Indeed  AI é capaz de considerar inúmeras variáveis e minimizar o viés humano na classificação de dados e erros na estratégia de ventilação. Portanto, o maior desafio ao criar um modelo clínico de aprendizado de máquina está em identificar o padrão-ouro que cab be  usado em parameters  adquirido.

A tecnologia de IA pode ajudar os médicos a lidar com informações e parâmetros
sobrecarga. Algoritmos de aprendizado de máquina já foram usados para analisar dados armazenados em prontuários médicos eletrônicos para prever a mortalidade na UTI e o tempo de permanência, no entanto, o futuro da IA na UTI é realmente brilhante.

Contato: info@globalmedicalcommunications-gmc.com

Bibliografia:

 

npj MEDICINA DIGITAL

Desenvolvimento e validação de um algoritmo de aprendizado de reforço para   otimizar dinamicamente a ventilação mecânica em cuidados intensivos

Arne Peine , Publicado: 19 de fevereiro de 2021

https://www.nature.com/articles/s41746-021-00388-6

Johansson, FD, Shalit, U. & Sontag, D. Representações de Aprendizagem para Inferência Contrafactual. in Proceedings of the 33rd International Conference on International Conference on Machine Learning - Volume 48 3020–3029 (JMLR.org, 2016)

Alagoz, O., Hsu, H., Schaefer, AJ & Roberts, MS Processos de decisão de Markov: uma ferramenta para tomada de decisão sequencial sob incerteza. Med. Decis. Mak. 30, 474-483 (2010).

https://ai.googleblog.com/2022/02/machine-learning-for-mechanical.html

por Daniel Suo, engenheiro de software e Elad Hazan, cientista pesquisador

Image by Possessed Photography
Image by Possessed Photography
Image by Xu Haiwei
bottom of page