Ученые обучили ИИ на данных о пациентах, которые были созданы на основе фармакокинетических и фармакодинамических моделей со случайными параметрами. Таким образом команда получала множество искусственных пациентов с различными характеристиками и особенностями. Затем исследователи провела серию тренировочных испытаний при помощи метода перекрестной энтропии. В качестве основного средства для наркоза был выбран пропофол, который обычно используется для общей анестезии или как седативное средство. В ходе исследования нейросеть постепенно научилась сопоставлять наблюдаемое состояние пациента с необходимостью введения фиксированной дозы пропофола.

«Наша лаборатория добилась значительного прогресса в понимании того, как анестетики влияют на нейронную активность, и теперь многопрофильная команда изучает, как точно определить дозы анестетиков по нейронным записям. Мы обучили нейронную сеть, используя метод кросс-энтропии, позволяя ей работать на симулированных пациентах и поощряя действия, которые приводили к хорошим результатам», — объясняет Габриэль Шамберг, один из участников проекта.

Тестирование показало, что новый алгоритм превосходит пропорционально-интегрально-дифференцирующий регулятор (ПИД), который зачастую используется для определения идеальных доз анестетика. По мнению ученых, главные преимущества нового подхода — возможность масштабировать клинические переменные, а также связь глубокой сети с входными переменными и рекомендуемой дозировкой. Нейросеть генерирует последовательные выводы значительно точнее любых предыдущих систем.

Полная версия доклада, посвященного новой системе, была признана лучшей работой, представленной в рамках Международной конференции по искусственному интеллекту в медицине 2020 года. Ученые продолжат обучать нейросеть, а затем планируют протестировать ее на реальных пациентах. По словам авторов исследования, в будущем модель научится определять идеальную дозировку пропофола для каждого пациента под разные уровни бессознательного состояния.