神经网络预测心肺旁路危重患者的生存率

由莫纳什大学工程师和心脏病专家领导的研究团队利用人工智能(AI)开发了一种算法，可以准确预测需要外部心肺支持(ECMO)的重症监护患者的生存情况。

ECMO 预测算法或“ECMO PAL”是第一个在大型国际患者队列中经过训练和验证的人工智能驱动的 ECMO 生存评分。

这项研究的重要性和开创性得到了澳大利亚和新西兰心脏病学会 (CSANZ) 的认可，该协会选择莫纳什大学研究员兼心脏病专家 Michael Šeman 博士作为其著名的年轻研究人员拉尔夫·雷德奖的决赛入围者。

ECMO：挽救生命，复杂但昂贵

静脉动脉体外膜肺氧合(俗称ECMO)是一种在体外操作的人工心肺系统，通常用于支持患有严重心脏和呼吸衰竭的危重患者。

ECMO 可以挽救生命，但也很复杂、高风险且成本高昂，因此适当的基于证据的患者选择至关重要。

在生物医学工程师、莫纳什心脏呼吸工程与技术实验室 (CREATElab) 副主任 Andrew Stephens 博士和 Michael Šeman 博士的领导下，多学科研究团队着手开发一种准确且有益的预测措施，以改进数据驱动的方法有关 ECMO 患者选择、管理和资源分配的决策。

深度神经网络(DNN) 模仿人类学习行为，可以识别模式来识别和解决问题，该网络使用来自欧洲、北美和拉丁美洲 400 多个中心的 18,000 多名接受 ECMO 治疗的患者的数据进行训练、非洲和亚太地区。

本篇文章来至：知行礼动