[ad_1]

محققان موسسه تحقیقات پزشکی فاینشتاین در نورثول ابزاری را برای پیش بینی هوش مصنوعی ابداع کرده اند که به گفته آنها می تواند در طی 48 ساعت بیماران را از نظر نارسایی تنفسی ارزیابی کند.

چرا مهم است
یک مطالعه جدید به راهنمایی دستیاران تئودوروس زانوس و دکتر داگلاس بارنابی از موسسات فاینشتاین و منتشر شده در مجله تحقیقات پزشکی در اینترنت، دقت را در شناسایی بیماران در معرض خطر برای مداخلات قبلی مانند مشاوره مراقبت های ویژه و نظارت دقیق بیمار نشان داد.

این پروژه بر داده های سوابق الکترونیکی بهداشتی 11،525 بیمار متمرکز است که در بهار سال 2020 ، هنگامی که اوج بیماری همه گیر در منطقه نیویورک به اوج خود رسید ، در 13 بیمارستان در Northwell بستری شدند. از این بیماران ، 933 نفر (8٪) ظرف 48 ساعت از بلع بر روی دستگاه های تهویه قرار گرفتند.

برای توسعه این ابزارهای بالینی پیش بینی شده ، محققان Northwell از سایر داده های EHR ، مانند شرایط حیاتی و آزمایشگاهی ، همراه با اطلاعات جمعیتی استفاده کردند.

آنها سه مدل یادگیری ماشین را برای کمک به ارزیابی بیماران هنگام پذیرش ایجاد و مقایسه کردند. دقت یکی از این ابزارها – درختان تصمیم گیری شیب دار یا XGBoost – 92 درصد تخمین زده شده است که بالاترین سه مورد است.

این داده ها می توانند به پیش بینی كدام بیمار بیشتر در معرض خطر نارسایی تنفسی كمك كنند – كمك به تریاژ كسانی كه بیشترین مداخلات را برای كاهش مرگ و میر دارند.

کارآیی مدل با (و برتر از) ارزیابی هشدار زودرس اصلاح شده برای محاسبه احتمال نارسایی تنفسی در عرض 48 ساعت مقایسه شد. نورتول پس از نشان دادن این سطح از دقت ، ابزار جدید را در برخی از بیمارستان های خود پیاده سازی می کند.

گرایش بزرگتر
موارد استفاده از هوش مصنوعی و یادگیری ماشین از ابتدای شیوع همه گیر تکامل یافته است و مدل های جدید پیش بینی کننده پشتیبانی از راه حل های بالینی را متحول می کنند.

همین هفته گذشته ، ما گزارشی از مدل جدید محققان اسرائیلی ارائه کردیم که می تواند به طور بالقوه مدت زمان بستری در COVID-19 را با استفاده از مجموعه ای از داده های بالینی و جمعیتی پیش بینی کند و همچنین احتمال مرگ و میر در بیمارستان را ارزیابی کند.

چالش جدید ONC برای داده های سلامت مصنوعی امیدوار است که با جستجوی روشهای جدید دیگر برای تجزیه و تحلیل مبتنی بر هوش مصنوعی در جستجوی الگوریتم های ابتکاری مدل سازی بیماری ، در این پیشرفت ها پیشرفت کند.

در حال ضبط
Zanos ، استادیار موسسه در Bioelectronic گفت: “نارسایی تنفسی دلیل اصلی مرگ در بیماران مبتلا به COVID-19 است و ضروری است که پزشکان خط مقدم ما اطلاعات بی طرفانه و آموزنده را برای پشتیبانی از تصمیم گیری اضطراری داشته باشند.” پزشکی از مitسسات فاینشتاین ، در بیانیه ای.

وی افزود: “ابزار بالینی ارائه شده ما می تواند بیمارانی را كه در معرض خطر بیشتری برای وخیم شدن قرار دارند به زودی پس از بستری شدن در بیمارستان شناسایی كند و به شما نشان می دهد كه یادگیری ماشینی و هوش مصنوعی می توانند سرمایه بالینی قدرتمندی در درمان این ویروس پیچیده باشند.”

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

Health IT News نشریه HIMSS است.



[ad_2]

منبع: gharb-khabar.ir