近年來(lái)，研究人員一直在為越來(lái)越廣泛的目的開(kāi)發(fā)機(jī)器學(xué)習(xí)算法。這包括可應(yīng)用于醫(yī)療保健環(huán)境的算法，例如幫助臨床醫(yī)生診斷特定疾病或神經(jīng)精神疾病或隨時(shí)間推移監(jiān)測(cè)患者的健康狀況。

麻省理工學(xué)院(MIT)和馬薩諸塞州總醫(yī)院的研究人員最近進(jìn)行了一項(xiàng)研究，調(diào)查了使用深度強(qiáng)化學(xué)習(xí)來(lái)控制需要麻醉以進(jìn)行醫(yī)療程序的患者的意識(shí)水平的可能性。他們的論文定于2020年國(guó)際醫(yī)學(xué)人工智能大會(huì)會(huì)議論文集發(fā)表，被評(píng)為該會(huì)議上發(fā)表的最佳論文。

“我們的實(shí)驗(yàn)室在理解麻醉藥物如何影響神經(jīng)活動(dòng)方面取得了重大進(jìn)展，現(xiàn)在有一個(gè)多學(xué)科團(tuán)隊(duì)研究如何從神經(jīng)記錄中準(zhǔn)確確定麻醉劑量，”進(jìn)行這項(xiàng)研究的研究人員之一加布里埃爾·沙姆伯格(Gabriel Schamberg)告訴TechXplore。“在我們最近的研究中，我們使用交叉熵方法訓(xùn)練了神經(jīng)網(wǎng)絡(luò)，方法是反復(fù)讓神經(jīng)網(wǎng)絡(luò)在模擬患者身上運(yùn)行，并鼓勵(lì)采取可導(dǎo)致良好結(jié)果的行動(dòng)。”

本質(zhì)上，Schamberg和他的同事開(kāi)發(fā)了一個(gè)深度神經(jīng)網(wǎng)絡(luò)，并對(duì)其進(jìn)行了訓(xùn)練，以便在模擬環(huán)境中使用強(qiáng)化學(xué)習(xí)來(lái)控制麻醉劑的劑量。他們特別關(guān)注丙泊酚的劑量，這是一種降低人們意識(shí)的藥物，通常用于對(duì)正在接受醫(yī)療程序治療的患者進(jìn)行全身麻醉或鎮(zhèn)靜。

研究人員在模擬患者數(shù)據(jù)上訓(xùn)練了他們開(kāi)發(fā)的神經(jīng)網(wǎng)絡(luò)，該數(shù)據(jù)是基于具有隨機(jī)參數(shù)的藥代動(dòng)力學(xué)/藥效學(xué)模型生成的。這最終使他們能夠解決眾多具有不同特征和特征的患者。

他們使用所謂的“交叉熵”方法進(jìn)行了一系列訓(xùn)練試驗(yàn)。在這些試驗(yàn)中，神經(jīng)網(wǎng)絡(luò)逐漸學(xué)會(huì)了將觀察到的麻醉狀態(tài)映射為輸注固定劑量的異丙酚的可能性。

當(dāng)他們?cè)u(píng)估模型的性能時(shí)，研究人員應(yīng)用了確定性策略，將固定劑量的異丙酚輸注的概率轉(zhuǎn)換為連續(xù)輸注速率。總體而言，他們的神經(jīng)網(wǎng)絡(luò)取得了令人矚目的成果，勝過(guò)比例積分微分(PID)控制器，該控制器以前曾用于確定理想的麻醉劑量。

Schamberg說(shuō)：“我們方法的兩個(gè)主要優(yōu)點(diǎn)是它能夠縮放觀察結(jié)果中包括的臨床變量的能力，以及輸入變量與推薦劑量之間的深層網(wǎng)絡(luò)的連續(xù)關(guān)系。” “深層神經(jīng)網(wǎng)絡(luò)使我們能夠使用許多連續(xù)的輸入數(shù)據(jù)來(lái)建立模型，因此我們的方法比以前的基于表的策略生成了更多的一致控制策略。”

將來(lái)，由這組研究人員設(shè)計(jì)的基于深度神經(jīng)網(wǎng)絡(luò)的模型可以幫助麻醉師確定個(gè)別患者的異丙酚的理想劑量并達(dá)到不同的意識(shí)水平。盡管如此，該模型到目前為止僅在模擬中進(jìn)行過(guò)測(cè)試，因此在將其應(yīng)用于實(shí)際環(huán)境之前，將需要對(duì)真實(shí)患者進(jìn)行一系列臨床試驗(yàn)。

Schamberg說(shuō)：“到目前為止，我們的方法優(yōu)于常用的比例-積分-微分控制器，并且在各種患者的藥物代謝和作用變化中都具有很強(qiáng)的魯棒性。” “我們現(xiàn)在很樂(lè)意在受控的臨床環(huán)境中對(duì)人類提出的范例進(jìn)行測(cè)試。”