هوش مصنوعی برای بیماران کرونایی
اخبارکاربردهای هوش مصنوعی

کمک هوش مصنوعی برای بیماران کرونایی: بررسی زمان ترخیص

0

محققان دانشگاه نیویورک مدلی برای پیش‌بینی وضعیت بیماران کرونایی در کمتر از ۴ روز ارائه داده‌اند. بر اساس سنجش‌های آزمایشگاهی، مشاهده علائم و متغیرهای مربوط به حمایت اکسیژنی، این مدل که به ادعای محققان ۹۰% دقت دارد، به پزشکان کلینیک کمک می‌کند تا بیمارانی را که می‌توانند بدون خطر مرخص شوند، شناسایی کنند و بدین ترتیب تشخیص زمان ترخیص توسط هوش مصنوعی برای بیماران کرونایی محقق می‌شود.

در مقاله چاپ شده توسط محققان مدرسه دارویی گراسمن و موسسه علوم ریاضی کورنت دانشگاه نیویورک آمده:«مرخص کردن بیماران در شرایطی که خطری برایشان نداشته باشد به منظور خالی کردن تخت‌‎ها برای بیماران جدید قرار است فرایندی باشد که نیاز به افزایش نیروی انسانی و ایجاد ساختار جدید نداشته باشد. با توجه به ابهاماتی که درباره ویروس کرونا وجود دارد و شرایطی که بیماران بعد از ابتلا به این بیماری خواهند داشت، پیش‌بینی دقیق می‌‎تواند به اتخاذ تصمیمات بالینی درست‌تر کمک کند».

هوش مصنوعی برای بیماران کرونایی

اهمیت موضوع

نیویورک یکی از اولین‌ ایالت‌‎هایی بود که در کشور آمریکا پاندمی را تجربه کرد و در ماه‌های می و آوریل با مشکلات زیادی برای مبارزه با بیماری کرونا مواجه شد. با وجود پشت‌سرگذاشتن موج اول اما هنوز آمار مبتلایان در کشور آمریکا در حال افزایش است. از طرفی مسئولان پیش‌بینی می‌کنند که در ماه‌‎های سردتر سال باید منتظر شیوع بیشتر این ویروس باشیم. با این تفاسیر محققان دانشگاه نیویورک درصدد استفاده از هوش مصنوعی برای مدیریت جمعیت بیمارستان‌ها هستند.

در ادامه این مقاله آمده:«در طول پاندمی کرونا، نیازهای کاربردی پزشکان به سرعت تغییر کرده است». در واقع در شرایط فعلی اقداماتی مانند مراجعه بیماران به تریاژ از اهمیت کمتری برخوردار شده است. محققان می‌گویند:«همان‌طور که تشخیص بدتر شدن حال بیمار اهمیت زیادی دارد، سیستم بهداشتی ما در حال بررسی یک مدل برای پیش‌بینی بدتر شدن حال بیماران هم هست. هرچند از آنجایی که تخت‌های بخش ICU مختص بیمارانی است که در شرایط خاص هستند و نیاز به مراقبت ویژه دارند، پیش‌بینی این موضوع که قرار است حال بیمارانی بدتر شود، تغییری در مدیریت فضای بیمارستان ایجاد نخواهد کرد و به هر حال این بیماران باید به ICU منتقل شوند».

این تحقیق با مطالعه بر روی ۳۳۴۵ نفر که از قبل در بیمارستان بستری و مرخص شدند و ۴۷۴ نفر که در بیمارستان بستری هستند، با استفاده از یادگیری ماشین و سنجش‌های آزمایشگاهی، در کمتر از ۴ روز از بستری شدن بیمار، پیش‌بینی می‌کند که بیمار می‌تواند بدون خطر مرخص شود یا نه.

در مقاله تیم تحقیقات آمده:«در صورت عدم وجود نشانه‌های نامطلوب، ما یک خروجی خاص تعریف خواهیم کرد. نتیجه‌گیری بر اساس تحقیق روی مواردی مانند میزان اکسیژن خون، تعداد افرادی که در بخش ICU بستری شدند، مرگ و میرها و کسانی که ۹۶ ساعت بعد از بستری دوباره به بیمارستان مراجعه کردند، حاصل می‌شود».

در آزمایشات صورت گرفته ۴۵% افراد سفیدپوست و ۶۱% آن‌ها مرد و میانگین سنی ۶۳.۵ سال بوده است. ابزار پیش‌بینی محققان دانشگاه نیویورک در ماه می به برخی بیمارستان‌ها ارائه شد و نتایج اولیه نشان می‌دهد پیش‌بینی‌ها توانسته نظر پزشکان را به خود جلب کند.

مهم‌تر از آن

محققان در دوران پاندمی کرونا تکیه بر تکنولوژی هوش مصنوعی‌ای دارند که معمولا از آن به عنوان مکمل آنالیزهایشان استفاده می‌کنند تا نیازهایی مانند تجهیزات مراقبتی شخصی یا در دسترس بودن تخت‌های ICU را پیش‎بینی کنند.

در واقع هوش مصنوعی برای بیماران کرونایی دستاوردی دیگر هم داشته است. برای مثال در بخش رادیولوژی که نگرانی‌های زیادی درباره‌اش وجود داشته است. چندی پیش محققان دانشگاه مینسوتا، در همکاری با اپیک ابزاری ساختند که می‌تواند ویروس کرونا در ریه‌ها را با استفاده از اشعه X-ray شناسایی کند.

در نهایت

در مقاله محققان دانشگاه نیویورک آمده:«با تشخیص دقیق بیمارانی که کم‌خطر به حساب می‎آیند و علائم نامطلوب ندارند، این سیستم می‌تواند به پزشکان در اولویت‌بندی بیماران برای مرخص شدن یا حتی درجه بندی میزان نیاز به رسیدگی، کمک کند. در واقع بررسی سوابق نوشته شده بیماران برای پیش‌بینی وضعیتشان و تصمیم‌گیری درباره مرخص کردن آن‌ها نمی‌تواند به اندازه استفاده از این مدل تاثیرگذار باشد».

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید.

هوش مصنوعی در ارتش؛ با هوش مصنوعی مثل یک هوش رفتار کنید، نه تکنولوژی

مقاله قبلی

دگرگونی صنعت تبلیغات با حمایت هوش مصنوعی از خلاقیت

مقاله بعدی

شما همچنین ممکن است دوست داشته باشید

بیشتر در اخبار

نظرات

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *