[ad_1]

محققان در کوه سینا در نیویورک نویدبخش مدل های جدید یادگیری ماشینی خود هستند که می تواند – در پنجره های کلیدی – خطر برخی از عوارض جانبی بالینی را در برخی از بیماران مبتلا به COVID-19 ارزیابی کند.

چرا مهم است
تحقیقات منتشر شده در اوایل این ماه در مجله تحقیقات پزشکی در اینترنت توصیف می کند که چگونه الگوریتم ها درک بهتری از خطرات احتمالی برای گروه متنوعی از بیماران مبتلا به COVID-19 را فراهم می کنند.

محققان دانشکده پزشکی Mount Sinai و موسسه بهداشت دیجیتال Haso Plattner داده ها را در پرونده الکترونیکی سلامت بیش از 4000 بیمار بزرگسال بستری شده در پنج بیمارستان در سیستم بهداشتی کوه سینا در بهار امسال ، در طول موج اول همه گیری جمع آوری کردند. .

HIMSS20 دیجیتال

در صورت تقاضا ، کسب اعتبار ، یافتن محصولات و راه حل ها را بیاموزید. شروع کنید >>

کلینیک ها در مرکز اطلاعات کوه سینا کوید ویژگی های بیماران مبتلا به COVID-19 را مورد تجزیه و تحلیل قرار دادند – با نگاهی به سابقه پزشکی گذشته ، بیماری های همراه ، علائم حیاتی و آزمایشگاه ها برای پیش بینی خطر مرگ و میر یا حوادث مهم مانند نیاز به لوله گذاری در داخل پنجره های زمانی از نظر بالینی قابل توجه است.

محققان کوه سینا با پیش بینی خطرات مربوط به بازه های زمانی سه ، پنج ، هفت و 10 روزه بستری ، گفتند که این مدل ها اطلاعات ارزشمندی را برای پیش بینی راه حل های مراقبت کوتاه مدت و میان مدت برای بیماران مبتلا به COVID-19 در مدت بستری شدن در بیمارستان ارائه می دهند. .

به عنوان مثال ، آنها یادآوری می کنند که در مارک یک هفته ای – دوره ای که دقیق ترین پیش بینی از وقایع مهم را ارائه می دهد ، در حالی که کمترین نتایج مثبت کاذب را به دست می آورد – شرایطی مانند آسیب حاد کلیه ، تنفس سریع ، قند خون بالا و افزایش لاکتات دهیدروژناز آسیب بافتی یا بیماری را نشان می دهد) قوی ترین عامل در پیش بینی بیماری بحرانی بودند.

سن بالاتر ، عدم تعادل خون و میزان التهاب پروتئین واکنش پذیر C قوی ترین عامل در پیش بینی مرگ و میر بودند.

گرایش بزرگتر
برخی از متخصصان می گویند که در روزهای ابتدای همه گیری ، هوش مصنوعی تا حدودی ناامید کننده بود. و این درست است که تعصب در الگوریتم های خاص می تواند بر برخی از تفاوت های مراقبت های بهداشتی اثر سو ad بگذارد.

اما هوش مصنوعی و یادگیری ماشین نقش بزرگی در تشخیص و پشتیبانی تصمیم دارند ، زیرا شرایط اضطراری COVID-19 به آخرین اوج خود می رسد. تا کنون ، تعدادی از مدل های امیدوار کننده ظهور کرده اند که بسیاری از آنها از طریق به روزرسانی EHR برای کمک به تشخیص بیماری و ارزیابی خطر در سطح جمعیت به پزشکان منتقل شده اند.

به طور خاص ، کوه سینا در تحقیقات خود در مورد COVID-19 در هشت ماه از زمان آبگیری توسط بیماران در اوج اوایل بیماری همه گیر ، نوآوری داشت. به عنوان مثال یک مدل AI برای تشخیص COVID-19 در بیمارانی که در غیر این صورت اسکن طبیعی ریه دارند ، ایجاد شده است. وی همچنین پیشگام استفاده از Apple Watch برای مطالعه استرس COVID-19 و فرسودگی شغلی در بین متخصصان مراقبت های بهداشتی بود.

در حال ضبط
بنیامین گلیکسبرگ ، استادیار ، گفت: “از زمان شیوع اولیه COVID-19 در نیویورک ، ما مشاهده کردیم که عملکرد COVID-19 و روند بیماری ناهمگن است و ما مدل های یادگیری ماشینی ساخته ایم که از داده های بیمار برای پیش بینی نتایج استفاده می کنند.” ژنتیک و علوم ژنومی در دانشکده پزشکی Icahn در کوه سینا ، در بیانیه ای.

وی گفت: “اکنون ، در مراحل اولیه موج دوم ، ما بسیار بهتر از قبل آماده شده ایم.” “ما در حال ارزیابی هستیم که چگونه این مدل ها می توانند به پزشکان در مدیریت مراقبت از بیماران خود در عمل کمک کنند.”

دکتر Girish Nadkarny ، استادیار پزشکی در بخش نفرولوژی در دانشکده Icahn اضافه شده است: “مهمتر از همه ، ما روشی را توسعه داده ایم که نشانگرهای مهم بهداشتی را تعیین می کند که احتمال پیش آگهی مراقبت های حاد را تعیین می کند و می تواند توسط موسسات مراقبت های بهداشتی مورد استفاده قرار گیرد. در سراسر جهان برای بهبود تصمیمات مراقبت در سطح پزشک و بیمارستان و مدیریت موثرتر بیماران مبتلا به COVID-19. “

توییتر: MikeMiliardHITN
برای نویسنده ایمیل ارسال کنید: mike.miliard@himssmedia.com

Health IT News نشریه HIMSS است.



[ad_2]

منبع: gharb-khabar.ir