Application d’algorithmes d’apprentissage profond à l’évaluation de la fonction neuronale après un arrêt cardiaque

  • Il est difficile d’évaluer avec précision la fonction neuronale des personnes dans le coma après un arrêt cardiaque et cela repose actuellement sur une évaluation subjective des signaux physiologiques.
  • L’utilisation de réseaux neuronaux convolutifs pour modéliser les réponses de l’EEG à des stimuli auditifs standardisés a montré une puissance prédictive positive pour prédire le réveil chez les deux personnes subissant une hyperthermie thérapeutique et une normothermie (0,83 ± 0,04 et 0,81 ± 0,05, respectivement).
  • Les auteurs ont conclu que les algorithmes d’apprentissage profond, tels que les réseaux neuronaux convolutifs, en association avec la stimulation auditive, ont le potentiel de standardiser l’évaluation de la fonction neuronale et la probabilité de réveil du coma.