نتایج یک مطالعه یک‌ساله با مشارکت بیش از ۶۰ هزار بیمار نشان می‌دهد که ابزار هوش مصنوعی جدیدی با تحلیل داده‌ها و یادداشت‌های پرستاران توانسته است وخامت حال بیماران بستری را تقریباً دو روز زودتر از روش‌های سنتی شناسایی کرده و خطر مرگ را بیش از ۳۵ درصد کاهش دهد. این مطالعه توسط پژوهشگران دانشگاه کلمبیا انجام شده و یافته‌های آن در نشریه Nature Medicine منتشر شده است.
این ابزار هوش مصنوعی با نام CONCERN Early Warning System از الگوریتم‌های یادگیری ماشین استفاده می‌کند تا الگوهای مستندسازی پرستاران را بررسی کرده و پیش از بروز علائم حیاتی غیرطبیعی، وخامت حال بیماران را پیش‌بینی کند. این قابلیت به مداخلات فوری و نجات‌بخش منجر می‌شود.
بر اساس نتایج پژوهش، استفاده از سیستم CONCERN مدت زمان بستری در بیمارستان را به طور میانگین بیش از نیم‌روز کاهش داده و همچنین باعث کاهش ۷.۵ درصدی خطر ابتلا به عفونت سپسیس شده است. همچنین احتمال انتقال بیماران تحت پایش این سیستم به بخش مراقبت‌های ویژه حدود ۲۵ درصد بیشتر از بیماران با مراقبت عادی بود، که نشانه‌ای از شناسایی زودهنگام و مداخله به‌موقع است.
دکتر سارا روستی، نویسنده اصلی این مطالعه و استادیار انفورماتیک پزشکی و پرستاری در دانشگاه کلمبیا گفت:
«پرستاران به‌ویژه در تشخیص زودهنگام مشکلات بیماران بسیار توانمند هستند. وقتی بتوانیم این مهارت را با هوش مصنوعی ترکیب کنیم، به بینش‌های آنی و قابل‌اقدامی دست پیدا می‌کنیم که می‌تواند جان انسان‌ها را نجات دهد.»
سیستم CONCERN بر اساس نشانه‌های ظریفی که پرستاران در بیماران مشاهده می‌کنند—مانند تغییر رنگ پوست یا وضعیت روانی—عمل می‌کند. این نگرانی‌ها اغلب در پرونده الکترونیک بیمار ثبت می‌شود، اما به تنهایی منجر به مداخله فوری نمی‌گردد. CONCERN با تحلیل دفعات و زمان ارزیابی‌های پرستاران، به صورت ساعتی امتیاز ریسک ساده و قابل‌فهمی تولید می‌کند که از تصمیم‌گیری بالینی حمایت می‌کند.
روستی در ادامه افزود:”این سیستم بدون ورودی‌های کارشناسی پرستاران کارایی نداشت. با نمایش داده‌های ارزشمند پرستاران برای کل تیم درمان، می‌توانیم مداخلات سریع‌تری داشته باشیم، نتایج بهتری کسب کنیم و در نهایت جان‌های بیشتری را نجات دهیم.”
کد خبر ۲۰۱۰۴۰۱۱۶.۰۵۵
منبع : ساینس دیلی
