Цель обзора: энтеральное питание — основной путь проведения нутриционной терапии у критически больных пациентов. Но при этом, желудочно-кишечная недостаточность ассоциирована с ростом осложнений. Машинное обучение и искусственный интеллект стали недавно применяться в интенсивной терапии с целью профилактики и предупреждения развития осложнений. Целью этого обзора стало изучение возможностей машинного обучения для поддержки принятия решения для более успешного проведения нутриционной терапии.
Недавние результаты: развитие многих состояний, — сепсис, острое повреждение почек, механическая вентиляция, — можно предупредить с помощью машинного обучения. Совсем недавно машинное обучение применили для изучения, а каким образом желудочно-кишечные симптомы в сочетании с демографическими параметрами и с оценками по шкалам тяжести состояния могут точно предсказать исходы и способствовать более успешному проведению нутриционной терапии.
Выводы: с расширением в клинической практике прецизионной и персонализированной медицины для поддержки клинических решений машинное обучение набирает популярность, в том числе и в интенсивной терапии, но не только для прогнозирования острого почечного повреждения или времени интубации трахеи, но также и для определения наилучших параметров, что позволяют выявлять неприятие желудочно-кишечного тракта к энтеральному питанию. Большие данные доступны, а улучшение их научного составляющего сделает машинное обучение важным инструментом улучшения нутриционной терапии.
Подробнее: https://read.qxmd.com/read/37389458/gastrointestinal-failure-big-data-and-intensive-care