Використання штучного інтелекту в навчанні серцево-легеневої реанімації

Серцево-легенева реанімація (CPR) — це життєво важлива медична процедура, яка застосовується у разі зупинки серця, що характеризується раптовим припиненням ефективного серцебиття або дихання. Її основна мета — підтримати постачання насиченої киснем крові до критично важливих органів, зокрема мозку, до прибуття професійної медичної допомоги або до транспортування людини в медичний заклад для надання більш кваліфікованої допомоги. Хоча виконання СЛР вимагає витривалості, воно стає керованим, якщо дотримуватися правильної техніки. Однак дуже важливо опанувати різні дії, такі як непрямий масаж серця, штучне дихання та рання дефібриляція, що мають вирішальне значення. Серцево-легенева реанімація є незамінною навичкою в екстрених ситуаціях, і поширення цих знань є вкрай важливим. Однак традиційно її оцінка покладалася на фізичні манекени та інструкторів, що призводило до високих витрат на навчання і обмеженої масштабованості. Крім того, доступ до інструкторів та спеціалізованого обладнання часто обмежений у багатьох місцях, що створює проблеми для широкого навчання серцево-легеневій реанімації.

Дослідження, про яке йдеться в цій статті, представляє новаторську розробку — систему на основі технічного зору для покращення розпізнавання помилок і оцінки навичок під час проведення СЛР. Цей інноваційний підхід являє собою значний відхід від традиційних методів навчання. Він ідентифікує і класифікує 13 окремих дій з однією помилкою і 74 комбіновані помилки, пов’язані із зовнішнім стисненням серця. Це дослідження є першим у своєму роді, в якому проаналізовано помилки, пов’язані з конкретними діями, що найчастіше трапляються під час СЛР. Щоб полегшити цей інноваційний підхід, дослідники створили комплексний набір відеоданих під назвою CPR-Coach, який описує деякі з найбільш типових помилок, що зустрічаються під час серцево-легеневої реанімації, як показано нижче.

Використовуючи CPR-Coach як еталонний набір даних, автори провели ретельне дослідження, оцінюючи і порівнюючи ефективність різних моделей розпізнавання дій, які використовують різні способи отримання даних. Їхньою метою було вирішити проблему, що виникає через притаманне однокласовому навчанню та багатокласовому тестуванню при оцінці навичок проведення реанімаційних заходів. Для вирішення цієї проблеми вони представили інноваційну структуру, відому як ImagineNet, натхненну принципами людського сприйняття. ImagineNet призначена для покращення здатності моделі розпізнавати численні помилки в контексті СЛР, навіть коли вона працює в умовах обмеженого нагляду.

Огляд робочого процесу ImagineNet наведено на малюнку нижче.

Це дослідження свідчить про значний прогрес в оцінці навичок СЛР, пропонуючи потенціал для зниження витрат на навчання і підвищення ефективності навчання СЛР завдяки інноваційному застосуванню технологій на основі технологій машинного зору і передових моделей глибокого навчання. Зрештою, цей підхід обіцяє покращити якість навчання СЛР і, як наслідок, результати для людей, які стикаються з невідкладними кардіологічними станами.