研究人员使用 NVIDIA GPU 和 AI 更早、更准确地检测出重症监护室患者的谵妄。该研究有望给重症护理带来突破。
检测谵妄并不容易，但却可以带来巨大的回报，比如加快对患者的基本护理，使其更快、更稳定地恢复。
检测能力的提升还可以减少病人对长期专业护理的需求，提高病人的生活质量并减少他们的主要经济负担。根据美国国立卫生研究院的数据，谵妄患者每年的护理费用高达 64,000 美元。
在上个月发表于《自然》杂志上的一篇论文中，研究人员描述了他们如何利用一个使用 NVIDIA GPU 加速的名为 Vision Transformer 的深度学习模型，并结合一种快速反应脑电图设备，或 EEG，来检测重症老年患者的谵妄症状。
这篇名为 《Supervised deep learning with vision transformer predicts delirium using limited lead EEG》的论文由南卡罗来纳大学的 Malissa Mulkey、普渡大学的 Huyunting Huang、东卡罗来纳大学的 Thomas Albanese和 Sunghan Kim，以及普渡大学的 Baijian Yang 合著。
他们的创新方法达到了 97% 的测试准确率，有望在预测失智症方面取得突破。通过利用 AI 和脑电图，研究人员能够客观地评估预防和治疗方法，从而提供更好的护理。
能够取得这一出色结果的原因之一是 NVIDIA GPU 所带来的加速性能。与使用 CPU 相比，研究人员完成任务的时间缩短了一半。
谵妄影响多达 80% 的危重病患者。但传统的临床检测方法只能识别出不到 40% 的病例，成为了病人护理方面的一个重大缺口。目前，筛查重症监护室的患者需要进行主观的床边评估。
手持式脑电图设备的引入可以使筛查变得更加准确和经济，但问题在于缺乏高水平的技术人员和神经学家。
然而，通过使用 AI，神经学专家无需解读研究结果，并且可以在症状发作前大约两天检测出与谵妄相关的变化，此时患者更容易接受治疗。通过 AI，只需要极少的培训就能使用脑电图。
研究人员将最初为自然语言处理创建并由 NVIDIA GPU 加速的 AI 模型——ViT 应用于脑电图数据，提供了一种全新的数据解读方法。
另一个显著的研究结果是使用手持式快速反应脑电图设备，这样就不需要大型脑电图机器或专业技术人员。
这种实用工具结合先进的 AI 模型后就可以解读所采集的数据，简化重症监护室的谵妄筛查工作。
该研究提出了一种检测谵妄的好方法，可以缩短住院时间、提高出院率、降低死亡率，并减轻谵妄带来的经济负担。
通过将 NVIDIA GPU 的强大功能与创新的深度学习模型和实用的医疗设备相结合，这项研究充分展现了技术在改善患者护理方面的巨大潜力。
随着 AI 的发展，医务人员越来越依靠它来预测失智症等病症，并进行早期干预，这将彻底改变未来的重症监护。
