پژوهشگران دانشگاه علوم سلامت Cedars-Sinai موفق به توسعه یک مدل هوش مصنوعی شدهاند که میتواند خطر افت قند خون بیماران بستری را تا ۲۴ ساعت پیش از وقوع پیشبینی کند. این فناوری میتواند به پزشکان فرصت دهد پیش از بروز علائم خطرناک، اقدامات درمانی لازم را انجام دهند و از عوارضی مانند تشنج، کما و حتی اختلالات قلبی جلوگیری کنند.
این مدل که بر پایه شبکه عصبی LSTM توسعه یافته، دادههای ثبتشده در پرونده الکترونیکی بیماران از جمله داروها، نتایج آزمایشها، وعدههای غذایی و سایر اطلاعات بالینی را بررسی میکند. سپس با تحلیل روند تغییرات این دادهها در بازههای چهار ساعته طی پنج روز، احتمال افت قند خون در ۲۴ ساعت آینده را پیشبینی میکند.
محققان این سیستم را با استفاده از اطلاعات بیش از ۱۴۳ هزار بستری در سه بیمارستان وابسته به Cedars-Sinai بین سالهای ۲۰۱۴ تا ۲۰۲۵ آموزش و اعتبارسنجی کردهاند. همچنین عملکرد آن با دادههای واقعی بیماران در محیط بیمارستان نیز آزمایش شده و نتایج موفقیتآمیزی به همراه داشته است.
به گفته پژوهشگران، این ابزار میتواند روزانه از وقوع ۳ تا ۴ مورد افت قند خون در یک بیمارستان بزرگ جلوگیری کند. از آنجا که این مدل با دادههایی کار میکند که هماکنون نیز در بیمارستانها ثبت میشوند، امکان استفاده از آن بدون نیاز به تجهیزات جدید وجود دارد.
محققان معتقدند در صورت استفاده گسترده از این فناوری، مدیریت بیماران دیابتی و سایر افرادی که در معرض نوسانات قند خون هستند، از حالت واکنشی به رویکردی پیشگیرانه و مبتنی بر داده تغییر خواهد کرد و ایمنی بیماران به شکل قابلتوجهی افزایش مییابد.
کد خبر ۲۰۱۰۵۰۴۰۸.۳۲۷
منبع: مدیکال اکسپرس
