麻醉下的机器学习量表无意识
来源：CPDA数据分析师网 / 时间：2021-05-21
可以产生一种算法，该算法可以基于大脑活动以高精度和高可靠性评估患者的意识障碍，麻醉师心中重要的一件事是'我有没有一个躺在我面前的人可能有意识而我却没有意识到？在手术过程中能够可靠地保持患者的昏迷状态是我们所做工作的基础。这是向前迈出的重要一步。
机器学习有助于为胸痛选择测试
除了提供对神志不清的准确评估之外，新算法还为麻醉师提供了将神志保持在所需水平的潜力，同时使用的药物数量要少于其他药物（取决于不太准确和可靠的指标）可能会使用的药物，当用于驱动输液泵时，算法可以帮助麻醉师精确地测量药物输送，以优化患者的状态和所接受的剂量，我们可能总是有点落伍，但是我们能做到足够的准确性，以使我们不给人们超过所需的剂量吗？收集的数据集上训练了机器学习算法，由于使用计算机控制的给药方法有条不紊地提高了剂量，研究人员要求志愿者对一个简单的请求做出反应，直到他们不再满足为止。
当他们后来减少剂量使他们恢复意识时，他们能够再次做出反应
随着剂量的增加和减少，研究小组使用脑电图电极记录了反映其大脑活动的神经节律，这在测得的大脑活动与表现出的意识丧失之间提供了直接，实时的联系，开源框架简化了机器学习过程，在这项新研究中训练了AI算法的版本，这样该算法可以学习麻醉下预测意识和无意识的脑电图读数之间的差异，使用该算法分析接受丙泊酚全麻手术的实际手术患者的脑电图，与其他研究相比，该算法能够以更高的准确度区分无意识，在一种情况下算法能够在实际的主治麻醉医师之前几分钟检测出患者意识不清的程度下降，如果在手术本身中使用了它，它可能会提供准确而有用的早期警告。
这些算法的执行精度很高，但准确性有所降低
这表明对潜意识进行分类的能力可靠地延续到了另一种以类似方式起作用的麻醉药中。
机器学习追踪COVID-19错误信息的演变
预测具有相同作用机理的不同药物失去知觉的能力至关重要，当前的基于意识监测系统无法区分药物类别，即使不同种类的麻醉药物以不同的方式起作用，这些系统还不能充分说明大脑反应和麻醉的已知年龄差异，研究人员指出，他们希望对机器学习系统进行专门的培训，以供儿童或年长者使用，该团队还可以训练新算法，以专门应用于具有不同作用机理的其他种类的药物，系统也很容易实现，并可以扩展到其他企业，这是一个概念证明，表明现在我们可以说让我们看看老年人口，或者让我们看看另一种药物，如果以正确的方式进行设置，这样做很简单。