DOSE-I: A Multimodal Biosignal Dataset of Procedural Sedation for Endoscopy -- Technical Report
Dit technische rapport beschrijft de DOSE-I dataset, een multimodale biosignaalbron bestaande uit 78,5 uur aan klinisch geannoteerde gegevens van procedurele sedatie afkomstig van 281 endoscopische procedures, inclusief bewustzijnsovergangen, labels voor sedatiediepte en voorbewerkte pEEG-kenmerken ter ondersteuning van toekomstig onderzoek.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je een robot probeert te leren hoe hij een auto moet besturen, maar in plaats van een weg navigeert de robot door het lichaam van een patiënt tijdens een medische procedure. Om dit veilig te kunnen doen, moet de robot op elk enkel moment precies weten hoe "wakker" of "slaperig" de patiënt is. Dit is de complexe wereld van procedurele sedatie. Wanneer artsen delicate interne onderzoeken uitvoitsen, zoals endoscopieën (het bekijken van de binnenkant van de maag of de longen), geven ze patiënten medicijnen om hen te ontspannen en pijnvrij te maken. Maar er is een dunne lijn: te weinig medicatie, en de patiënt voelt pijn of beweegt; te veel medicatie, en de patiënt kan stoppen met ademen of de hartslag kan gevaarlijk dalen.
Lama lang hebben artsen vertrouwd op hun eigen ogen en oren om dit niveau van slaap in te schatten, door te controleren of een patiënt bijvoorbeeld een hand kan knijpen wanneer daarom wordt gevraagd. Het is een beetje alsof je de temperatuur van een soep probeert te beoordelen door je vinger erin te steken — soms werkt het, maar het is niet altijd nauwkeurig. Wetenschappers hebben geprobejagd op betere "thermometers" voor de hersenen met behulp van biosignalen. Dit zijn elektrische fluisteringen van het lichaam: de ECG (het elektrische ritme van het hart), de EEG (het elektrische geklets van de hersenen) en de PLETH (een lichtgebaseerde polsslagcontrole vanaf de vinger). De grote vraag in dit vakgebied is: Kunnen we genoeg van deze elektrische fluisteringen verzamelen bij echte patiënten om een kunstmatige intelligentie te leren om exact te voorspellen hoe diep de sedatie is, waardoor deze procedures veiliger worden voor iedereen?
Dit artikel introduceert een enorme nieuwe gereedschapskist voor datzelfde doel, genaamd de DOSE-I dataset. Denk aan een gigantische, high-definition bibliotheek van "slaperige patiënt"-opnames. De onderzoekers hebben 171 afzonderlijke opnames verzameld van echte endoscopische procedures in een ziekenhuis in Duitsland, wat in totaal 78,5 uur aan data oplevert. In deze bibliotheek hebben ze niet alleen ruwe video gedumpt; ze hebben elk moment zorgvuldig gelabeld met wat de patiënt daadwerkelijk deed en voelde. Ze volgden 1.129 transities tussen wakker zijn en bewusteloos zijn, en ze registreerden meer dan 7.300 specifieke controles van hoe gesedeerd de patiënt was met behulp van een standaard schaal genaamd MOAA/S.
Wat deze dataset bijzonder maakt, is dat het een "multimodale" schatkist is. Het bevat niet slechts één type signaal; het heeft het ritme van het hart, de hersengolven, de polsslag van de vinger en zelfs de bloeddruk, die allemaal tegelijkertijd plaatsvinden. Om het nog nuttiger te maken, zijn de auteurs niet gestopt bij de ruwe data. Ze hebben ook een "bewerkte" versie van de hersensignalen geleverd (de pEEG), die de rommelige elektrische golven omzet in 40 verschillende getallen die de staat van de hersenen beschrijven, zoals hoeveel "langzame" of "snelle" activiteit er plaatsvindt. Ze hebben zelfs een "kaart" toegevoegd van waar de data rommelig of luidruchtig kan zijn (artefacten), zodat onderzoekers weten welke delen ze kunnen vertrouwen en welke ze moeten negeren.
Het artikel zelf is een technische handleiding voor deze dataset. Het legt precies uit hoe de data werd verzameld, hoe de elektroden op de hoofden van de patiënten werden geplaatst, en hoe de artsen elke keer noteerden wanneer ze een dosis van het sedativum Propofol toediennen. Het beschrijft specifiek de soorten patiënten die betrokken waren (variërend van 21 tot 83 jaar oud) en de verschillende soorten procedures die zij ondergingen. De auteurs beweren niet dat ze het probleem van sedatiebewaking al hebben opgelost; in plaats daarvan zeggen ze: "Hier is de meest gedetailleerde set aan real-world data die we tot nu toe hebben gebouwd. We hopen dat andere wetenschappers dit zullen gebruiken om hun eigen AI-modellen te trainen om deze procedures veiliger te maken." Ze leveren de grondstoffen — de elektrische fluisteringen, de medicatiedoses en de klinische aantekeningen — zodat de volgende generatie onderzoekers de "autopiloot" kan bouwen die patiënten veilig houdt terwijl zij slapen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.