檢測譫妄並不容易，但它可以帶來巨大的回報：加快對患者的基本護理，從而實現更快、更可靠的康復。

改進的檢測還減少了對長期熟練護理的需求，提高了患者的生活質量，同時減輕了重大的經濟負擔。根據美國國立衛生研究院的數據，在美國，治療每位譫妄症患者每年的費用高達64,000美元。

先前在《Nature》雜誌上發表的一篇論文中，研究人員描述了他們如何使用由NVIDIA GPU加速的名為Vision Transformer的深度學習模型以及快速響應腦電圖（EEG）設備來檢測危重老年人的譫妄狀態。

這篇論文為《使用有限鉛腦電圖透過Vision Transformer進行監督深度學習預測譫妄》，由南卡羅來納大學的Malissa Mulkey、普渡大學的Huyunting Huang、東卡羅來納大學的Thomas Albanese和Sunghan Kim，以及普渡大學的Baijian Yang所撰寫。

圖一 : 腦電圖（source：NVIDIA）

運用GPU實現97%測試準確率

他們的創新方法實現了97%的測試準確率，有望在預測失智症方面取得潛在突破。透過利用人工智慧和腦電圖，研究人員可以客觀地評估預防和治療方法，從而獲得更好的護理。

這一令人印象深刻的結果部分歸功於NVIDIA GPU的加速性能，與CPU相比，研究人員能夠以一半的時間完成任務。

高達80%的危重患者患有譫妄。然而，傳統的臨床檢測方法只能識別不到 40%的病例，這顯示患者護理方面存在巨大差距。目前，篩查重症加護病房（ICU）患者需要主觀床邊評估。

採用手持式腦電圖設備可以使篩查更加準確且經濟實惠，但缺乏熟練的技術人員和神經科醫生構成了挑戰。

圖二 : Vision Transformer的推論模型（source：paperswithcode.com）

然而，人工智慧的使用可以消除神經科醫生解釋研究結果的需要，並允許在症狀出現前大約兩天檢測與譫妄相關的變化，此時患者更容易接受治療。它還使得只需最少的培訓即可使用腦電圖。

研究人員將一種名為ViT的人工智慧模型應用於腦電圖數據，該模型最初是為自然語言處理而建立並由NVIDIA GPU加速，從而提供了一種新的數據解釋方法。

另一個值得注意的研究發現，則是使用手持式快速反應腦電圖設備，不需要大型腦電圖機器或專業技術人員。這種實用的工具與用於解釋收集的數據的先進人工智慧模型相結合，可以簡化重症監護病房的譫妄篩查。

該研究提出了一種很有前景的譫妄檢測方法，可以縮短住院時間、提高出院率、降低死亡率並減輕與譫妄相關的經濟負擔。

透過將NVIDIA GPU的強大功能與創新的深度學習模型和實用醫療設備相結合，這項研究強調了技術在增強患者護理方面的變革潛力。

隨著人工智慧的成長和發展，醫療專業人員越來越有可能依靠它來預測失智症等疾病並儘早進行干預，從而徹底改變重症監護的未來。

**刊頭圖（source：pexels.com）