یک سیستم هوش مصنوعی جدید که در دانشگاه جانز هاپکینز توسعه یافته است، مرگ و میر ناشی از بیماری سپسیس را ۲۰ درصد کاهش می دهد زیرا علائم را ساعت ها زودتر از روش های سنتی تشخیص می دهد.
این سیستم سوابق پزشکی و یادداشت های بالینی را بررسی می کند تا بیمارانی را که در معرض خطر عوارض تهدید کننده زندگی هستند شناسایی کند.
سوچی ساریاگفت: «این اولین نمونه‌ای است که هوش مصنوعی در کنار تخت پیاده‌سازی می‌شود، توسط هزاران ارائه‌دهنده استفاده می‌شود و ما شاهد نجات جان انسان‌ها هستیم. نویسنده این مطالعات که بیش از نیم میلیون بیمار را طی دو سال مورد ارزیابی قرار دادند. این یک جهش خارق‌العاده است که سالانه هزاران بیمار سپسیس را نجات می‌دهد.
سپسیس زمانی رخ می دهد که عفونت باعث ایجاد یک واکنش زنجیره ای در سراسر بدن شود. التهاب می تواند منجر به لخته شدن خون و نشت رگ های خونی شود و در نهایت باعث آسیب اندام یا نارسایی اندام شود. هر ساله حدود ۱.۷ میلیون بزرگسال در ایالات متحده به سپسیس مبتلا می شوند و بیش از ۲۵۰۰۰۰ نفر از آنها می میرند.
ساریا گفت که به راحتی می توان سپسیس را از دست داد زیرا علائمی مانند تب و گیجی در سایر شرایط رایج است. هر چه سریعتر تشخیص داده شود، شانس زنده ماندن بیمار بیشتر است.
ساریاگفت: «یکی از مؤثرترین راه‌های بهبود نتایج، تشخیص زودهنگام و ارائه درمان‌های مناسب به‌موقع است، اما از نظر تاریخی این یک چالش دشوار به دلیل نبود سیستم‌هایی برای شناسایی زودهنگام دقیق بوده است.»
برای رسیدگی به این مشکل، ساریا و سایر پزشکان و محققان جانز هاپکینز سیستم هشدار اولیه هدفمند در زمان واقعی را توسعه دادند. سیستم یادگیری ماشینی با ترکیب سابقه پزشکی بیمار و علائم فعلی و نتایج آزمایشگاهی، به پزشکان نشان می دهد که فردی در معرض خطر سپسیس است و پروتکل های درمانی مانند شروع آنتی بیوتیک ها را پیشنهاد می کند.
هوش مصنوعی بیماران را از زمانی که به بیمارستان می‌رسند تا زمان ترخیص ردیابی می‌کند و اطمینان می‌دهد که اطلاعات مهم نادیده گرفته نمی‌شوند، حتی اگر کارکنان تغییر کنند یا بیمار به بخش دیگری منتقل شود.
در طول این مطالعه، بیش از ۴۰۰۰ پزشک از پنج بیمارستان از هوش مصنوعی در درمان ۵۹۰۰۰۰ بیمار استفاده کردند. هوش مصنوعی در ۴۰ درصد موارد دقیق بود. در شدیدترین موارد سپسیس، که یک ساعت تأخیر تفاوت بین مرگ و زندگی است، هوش مصنوعی آن را تقریباً شش ساعت زودتر از روش‌های سنتی تشخیص داد.
