Modeling en visualizering van multimodale hersenmonitoring bij acuut hersenlijden

De intensive care-afdeling (ICU) behandelt patiënten in levensbedreigende omstandigheden, die meestal ondersteuning door meerdere organen nodig hebben. ICU combineert hoge klinische vaardigheden, een volledig toegewijd patiëntenzorgsysteem en geavanceerde technologie. Bovendien worden verschillende fysiologische parameters continu bewaakt. Desondanks blijft de ICU-mortaliteit in Europa rond de 20%. Acute hersenletsel (ABI) verzamelt de meeste neurologische letsels die zich voordoen op de intensive care. ABI zijn niet erfelijk of aangeboren en omvatten pathologieën als: traumatisch hersenletsel (TBI), beroertes, hersentumoren of andere pathologische status verworven na de geboorte. De mechanismen die sommige ABI regeren zijn niet volledig begrepen. Bovendien is het initiële moment waarop zeer agressieve behandelingen moeten worden uitgevoerd nog niet goed omschreven. In dit complexe landschap kunnen engineeringtechnieken helpen om zowel de fysiologie als de beste behandelmethode voor de meeste ABI-verwondingen beter te begrijpen. Mijn project richt zich op de toepassing van data mining, machine learning en signaalverwerkingstechnieken op ABI. Het doel is om de fysiologie en de verborgen mechanismen achter deze verwondingen op de IC te onderzoeken. Het project verwacht om kennis uit verschillende bronnen te extraheren en te integreren, in detail worden fysiologische signalen, klinische metingen en categorische gegevens verwerkt en geanalyseerd. Het doel is om de overbelasting van gegevens te verminderen en voorspellende modellering van ABI-gebeurtenissen en -resultaten te maken. Het laatste ambitieuze doel van het project is ICI-clinici een beter overzicht van ABI te bieden en nieuwe instrumenten te bieden om de huidige behandelingen te verbeteren.