Raimondo, Federico
[VerfasserIn]
;
Sorbonne université
[MitwirkendeR];
Universidad de Buenos Aires
[MitwirkendeR];
Cohen, Laurent
[MitwirkendeR];
Fernandez Slezak, Diego
[MitwirkendeR]
Normalisation et automatisation du diagnostic des patients atteints de troubles de la conscience : une approche par apprentissage automatique appliquée aux signaux électrophysiologiques du cerveau et du corps ; Standardisation and automatisation of the diagnosis of patients with disorders of consciousness : a machine learning approach applied to electrophysiological brain and body signals ; Estandarización y automatización en el diagnóstico de pacientes con desordenes de conciencia : aprendizaje automático aplicado a señales electrofisiológicas del cerebro y el cuerpo
Titel:
Normalisation et automatisation du diagnostic des patients atteints de troubles de la conscience : une approche par apprentissage automatique appliquée aux signaux électrophysiologiques du cerveau et du corps ; Standardisation and automatisation of the diagnosis of patients with disorders of consciousness : a machine learning approach applied to electrophysiological brain and body signals ; Estandarización y automatización en el diagnóstico de pacientes con desordenes de conciencia : aprendizaje automático aplicado a señales electrofisiológicas del cerebro y el cuerpo
Anmerkungen:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Beschreibung:
Les progrès de la médecine moderne ont entraîné une augmentation du nombre de patients ayant des troubles de la conscience (DOC). Ces derniers, alors qu’ils sont éveillés, ne présentent pas de signes comportementaux de conscience. L’évaluation comportementale précise de ces patients a des implications médico-éthiques et sociales cruciales, car elle conditionne généralement le pronostic. Ainsi, les erreurs diagnostiques liées aux limites intrinsèques des outils comportementaux sont une préoccupation majeure pour les cliniciens et l’électroencéphalographie (EEG) pourrait s’avérer utile. Dans une étude précédente, nous avions introduit l’utilisation de marqueurs extraits de l’EEG et l’apprentissage supervisé pour le diagnostic des patients DOC. Dans ce travail, nous avons développé cet outil et analysé son applicabilité et ses limites. De plus, nous avons proposé deux approches pour améliorer la précision de cette méthode: (1) l’utilisation de multiples modalités de stimulation pour inclure des corrélats neuronaux de l’intégration multisensorielle et (2) l’analyse des modulations de l’activité cardiaque par la conscience. Nos résultats dépassent l’état actuel des connaissances dans deux dimensions. Cliniquement, nous avons constaté que la méthode pouvait être utilisée dans des contextes hétérogènes, confirmant l’utilité de l’apprentissage automatique en tant qu’outil automatisé de diagnostic clinique. Scientifiquement, nos résultats soulignent que les interactions cerveau-corps pourraient être le mécanisme fondamental pour soutenir l’intégration multisensorielle en un percept unique, conduisant à l’émergence de la conscience. Au total, ces travaux illustrent l’importance de l’apprentissage automatique pour une évaluation individualisée de la conscience et ouvrent la voie à l’inclusion des fonctions corporelles pour la quantification des états de conscience. ; Advances in modern medicine have led to an increase of patients diagnosed with disorders of consciousness (DOC). In these conditions, patients are awake, but ...