Intelligent methods and software algorithms for intensive care. A complexity science approach

Abstract

The aim of the study. To develop new intelligent methods, algorithms and software applications for intensive care medicine based on complexity science to improve early diagnosis, prediction and management of severe conditions such as sepsis and epileptic seizures. Scientific novelty and originality. The thesis introduces a novel integration of complexity science into intensive care to exploit nonlinearity and emergence to fill diagnostic gaps. It is the first to use KCC (block decomposition) as preprocessing method for biomedical signals to detect patterns in non-stationary data. Hybrid modelling framework combining agent-based and system dynamics approach for multiscale simulations such as fetal oxygen delivery is introduced. Large language models with retrieval augmented generation and multi-agent systems for sepsis management are new approaches to real-time clinical decision making which set this work apart from traditional reductionist methods. Applicative value of the work. The developed tools provide practical solutions for early sepsis prediction and management and EEG seizure forecasting; enhance clinical decision making and personalized care. These applications are scalable for resource poor settings (Moldova) ICU triage, intervention planning and medical education through simulations.

Scopul studiului: Dezvoltarea unor noi metode inteligente, algoritmi și aplicații software pentru medicina de terapie intensivă, bazate pe știința complexității, în vederea îmbunătățirii diagnosticului precoce, a predicției și a gestionării afecțiunilor grave, precum sepsisul și crizele epileptice. Noutate științifică și originalitate. Teza introduce o integrare nouă a științei complexității cu terapia intensivă, valorificând neliniaritatea și emergența pentru a aborda lacunele de diagnostic. Este pionieră în utilizarea complexității Kolmogorov-Chaitin (KCC) prin descompunerea în blocuri pentru preprocesarea semnalelor biomedicale, îmbunătățind detectarea tiparelor în datele nestaționare. Cadrul de modelare hibridă, care combină abordări bazate pe agenți și dinamica sistemului pentru simulări, cum ar fi livrarea oxigenului fetal, este inovator. În plus, aplicarea modelelor de limbaj mari cu generare augmentată prin recuperare și sisteme multi-agent pentru gestionarea sepsisului reprezintă o abordare de ultimă generație a deciziilor clinice în timp real, distingând această lucrare de metodele reducționiste tradiționale. Valoarea aplicativă a lucrării. Instrumentele dezvoltate oferă soluții practice pentru predicția și gestionarea timpurie a sepsisului și prognoza convulsiilor bazată pe EEG, îmbunătățind luarea deciziilor clinice și îngrijirea personalizată. Aceste aplicații sunt scalabile pentru medii cu resurse limitate, cum ar fi Moldova, sprijinind triajul critic, planificarea intervențiilor și educația medicală prin simulări interactive.