ruenfrdeitptes

Звезда не активнаЗвезда не активнаЗвезда не активнаЗвезда не активнаЗвезда не активна
 

Ученые учат машины предсказывать время восстановления после сотрясений, связанных со спортом

Решение о том, когда спортсмен может вернуться в игру после травмы головы, усложняет управление лечением сотрясений, связанных со спортом. Ученые учат машины, как предсказывать время восстановления после сотрясений, связанных со спортом, на основе таких симптомов, как головная боль, головокружение и усталость. Результаты их исследования могут быть использованы в качестве основы для системы поддержки принятия решений, которая поможет клиницистам разработать индивидуальное лечение для травмированных спортсменов.

Распространенность сотрясений мозга в спорте хорошо известна. То же самое стоит перед врачами и другими специалистами, когда им приходится решать, когда спортсмен может вернуться в игру после травмы головы. В то время как большинство спортсменов оправляются от сотрясения мозга, связанного со спортом, примерно через 7-10 дней, некоторым требуется больше времени. Это затрудняет управление лечением сотрясений, связанных со спортом.

Исследователи из Колледжа инженерных и компьютерных наук Университета Флориды и SIVOTEC Analytics в Бока-Ратоне и их коллеги придумали новое решение. Они учат машины, как предсказать время восстановления от сотрясений, связанных со спортом, на основе таких симптомов, как головная боль, головокружение и усталость. Их исследование, опубликованное в журнале «Медицина и наука в спорте» Американского колледжа спортивной медицины, может быть использовано в качестве основы для системы поддержки принятия решений, которая поможет клиницистам разработать индивидуальное лечение для травмированных спортсменов. Это исследование также является частью более широких текущих усилий команды по разработке моделей машинного обучения, чтобы помочь диагностировать, отслеживать и лечить различные проблемы со здоровьем мозга.

Используя данные Национальной сети по спортивному лечению и травмам  (NATION), программы наблюдения за травмами среди школьников-атлетов, исследователи изучили данные о 2 004 случаях сотрясения мозга в 22 видах спорта, чтобы выяснить, где в основном были получены травмы. Они обнаружили, что более половины сотрясений произошло в американском футболе.

Получив эту информацию, они создали новый набор данных о сотрясениях мозга в футболе, а также в других контактных видах спорта, включая борьбу, хоккей на траве и баскетбол, футбол и лакросс для мальчиков и девочек. Этот новый набор данных включал в себя 922 сотрясения мозга и 689 сотрясений от других видов контактного спорта, всего 1611 случаев сотрясения мозга от всех видов контактного спорта. Что касается набора данных по всем контактным видам спорта, общее число симптомов, сообщенных на случай сотрясения мозга, связанного со спортом, варьировалось от нуля до 17, при этом 55 процентов учащихся-спортсменов сообщили о пяти или более симптомах.

Исследователи внедрили контролируемый подход к моделированию на основе машинного обучения, чтобы предсказать время восстановления симптомов, связанных с сотрясением мозга, в течение 7, 14 и 28 дней. Они изучили эффективность 10 алгоритмов классификации при построении моделей прогнозирования, используя набор данных, представляющий три года сотрясений, перенесенных этими школьниками-спортсменами в футболе и других контактных видах спорта.

С набором данных, показывающим, что наиболее распространенным зарегистрированным симптомом сотрясения мозга, связанного со спортом, была головная боль (94,9%), сопровождаемая головокружением (74,3%), а затем с трудностями концентрации (61,1%), модели прогнозирования на основе симптомов продемонстрировали практическую клиническую ценность оценки времени восстановления после сотрясения мозга, связанного со спортом. Эта информация может быть особенно ценной для поставщиков медицинских услуг при ведении случаев сотрясения мозга и лечении пациентов. Помимо поддержки принятия клинических решений, эта информация также может помочь в планировании академических возможностей и потребностей команды.

«Мы внедрили передовой подход и новый клинический инструмент для управления сотрясениями, связанными со спортом, которые будут заметно улучшаться с появлением все большего количества инклюзивных данных», - сказал Таги Хошгофтаар, доктор философии, соавтор и профессор факультета FAU по вычислительной технике, электротехнике и компьютерным наукам, сотрудничавший с ведущим автором Майклом Ф. Бержероном, доктором философии, старшим вице-президентом по разработке и применению в SIVOTEC Analytics, и Сарой Ландсет, соавтором и доктором философии в FAU. «Наш контролируемый метод машинного обучения продемонстрировал эффективность и требует дальнейшего изучения».

Исследователи отметили, что общее число симптомов, чувствительность к шуму или свету, трудности с концентрацией внимания, проблемы со сном и балансом имеют первостепенную прогностическую ценность, указывая на их вероятную важную способствующую роль и полезность в их моделях. Напротив, они не находили амнезию, повышенную возбудимость, потерю сознания или шум в ушах подходящими кандидатами для измеримого облегчения моделей с высокими показателями.

«Очень важно иметь возможность быстро идентифицировать тех спортсменов, которым понадобится больше времени для восстановления после перенесенного сотрясения мозга», - сказал Бержерон. «Способность прогнозировать время восстановления с помощью машинного обучения поможет усилить эффективный многослойный подход к уходу. Это также может помочь с реалистическими ожиданиями ученика-спортсмена, а также предоставит важную информацию и взгляды для родителей, тренеров и учителей».

Соавторы исследования "Машинное обучение в моделировании симптомов сотрясения мозга в старшей школе" - детская больница Nemours, отделение нейрохирургии в Орландо, Центр спортивной неврологии в Лос-Анджелесе; и Центр исследований и профилактики спортивных травм Datalys, Inc. в Индианаполисе.

«Это новое применение контролируемого машинного обучения в спортивной эпидемиологии сотрясения мозга является важным шагом в продвижении подхода к клиническому управлению сложным состоянием», - сказала Стелла Баталама, доктор философии, декан факультета инженерии и компьютерных наук ФАУ- «Контролируемое машинное обучение имеет потенциал для более эффективного выявления значимых закономерностей и потенциально уникальных жизненных знаний о сложном взаимозависимом наборе клинических детерминант в предвидении восстановления симптомов сотрясения мозга, а также множества других аспектов в управлении сотрясениями».

источник sciencedaily.com

Это интересно: