Interpretuojamas mašininio mokymo algoritmas senatvinio silpnumo sindromui vertinti (intFrail)

   

Projekto nr.: PP2022/58/2

Projekto aprašymas:

Senatvinio silpnumo sindromas (SSS) tampa esminiu senėjančios visuomenės iššūkiu. SSS diagnozuojamas 17 %, tuo tarpu ankstyvosios SSS stadijos būdingos net iki 60 % vyresnių nei 65 m. žmonių. SSS yra progresuojantis fiziologinių sistemų išsekimas, dėl kurio sumenksta fizinio pajėgumo rezervai, o tai lemia didelį jautrumą vidiniams (pvz., operacijoms, gretutinėms ligoms) ir išoriniams (pvz., fizinei veiklai) stresoriams bei didina įvairių neigiamų sveikatos padarinių riziką. Ankstyvosios SSS stadijos gali būti kliniškai grįžtamos, todėl laiku atpažinus SSS požymius ir pradėjus taikyti įvairias intervencijas (pvz., fizinį treniravimą, baltymais praturtintą dietą ir pan.), SSS progresą įmanoma pristabdyti. SSS yra daugiakomponentis sindromas, apimantis fiziologinį rezervą, fizines ir kognityvines funkcijas, todėl svarbu tiksliai identifikuoti individualiam pacientui labiausiai nusilpusias organizmo funkcijas ir jas stiprinti taikant tinkamiausią personalizuotą intervenciją. Įprastai rekomenduojamos ilgalaikės treniravimo programos, todėl esami metodai, kurie remiasi klausimynais ir/arba reikalauja specialistų priežiūros bei specialios tik ligoninėse prieinamos įrangos, nėra tinkami vertinti SSS ambulatoriškai. Siūlomame projekte intFrail sieksime SSS vertinti objektyviu būdu, panaudojant iš dėvimais įrenginiais registruojamų biosignalų išskirtus parametrus. SSS vertinimo objektyvumą užtikrinsime interpretuojamo mašininio mokymo algoritmu, kuris identifikuos kliniškai informatyvius požymius, teikiančius informacijos apie individualiems SSS pacientams labiausiai nusilpusias organizmo funkcijas. Interpretuojamų mašininio mokymo pritaikymas leis susieti SSS stadiją su SSS požymiais ir tokiu būdu teiks pridėtinę informaciją sveikatos priežiūros specialistui, rengiant individualizuotas treniravimosi programas ir stebint jų efektyvumą.

Projekto finansavimas:

KTU Mokslo ir inovacijų fondas

Projekto rezultatai:

Projekto metu sukurtas interpretuojamo mašininio mokymosi algoritmas, skirtas individualiam pacientui identifikuoti nusilpusias organizmo funkcijas.

Projekto įgyvendinimo laikotarpis: 2022-04-01 - 2022-12-31

Projekto partneriai: Lietuvos sveikatos mokslų universitetas