Vendosja dhe vlerësimi i një ndërhyrjeje të mësimit të makinerive për të përmirësuar kujdesin klinik dhe rezultatet e pacientit është një hap kyç në lëvizjen e modeleve të përkeqësimit klinik nga bajt në shtrat, sipas një editoriali të 13 qershorit në Mjekësinë e Kujdesit Kritik që komenton një studim në malin Sinai të botuar në të njëjtin numër.
Studimi kryesor zbuloi se pacientët e shtruar në spital kishin 43% më shumë gjasa për të përshkallëzuar kujdesin e tyre dhe dukshëm më pak të ngjarë të vdisnin nëse ekipi i tyre i kujdesit merrte alarme të gjeneruara nga AI që sinjalizonin ndryshime negative në shëndetin e tyre.
“Ne donim të shihnim nëse sinjalizimet e shpejta të bëra nga AI dhe mësimi i makinerive , të trajnuar për shumë lloje të ndryshme të të dhënave të pacientëve, mund të ndihmonin në zvogëlimin e asaj se sa shpesh pacientët kanë nevojë për kujdes intensiv dhe shanset e tyre për të vdekur në spital”, thotë autori kryesor i studimit, Matthew A. Levin, MD, Profesor i Anesteziologjisë, Mjekësisë Perioperative dhe Dhimbjes, dhe Gjenetikës dhe Shkencave Gjenomike.
“Tradicionalisht, ne jemi mbështetur në metoda më të vjetra manuale, si Rezultati i Modifikuar i Paralajmërimit të Hershëm (MEWS) për të parashikuar përkeqësimin klinik. Megjithatë, studimi ynë tregon rezultatet e algoritmit të automatizuar të mësimit të makinerive që shkaktojnë vlerësimin nga ofruesi mund t’i tejkalojnë këto metoda të mëparshme në parashikimin e saktë të kësaj. Rënia është e rëndësishme, ajo lejon ndërhyrjen e hershme, e cila mund të shpëtojë më shumë jetë”, tha ai.
Studimi jo i rastësishëm dhe prospektiv shqyrtoi 2,740 pacientë të rritur që u shtruan në katër njësi mjekësore-kirurgjikale në Spitalin Mount Sinai në New York, shkruan MedicalXpress, transmeton Gazeta Shneta.
Pacientët u ndanë në dy grupe: një që mori alarme në kohë reale bazuar në gjasat e parashikuara të përkeqësimit, u dërguan direkt infermierëve dhe mjekëve të tyre ose një “ekip i reagimit të shpejtë” mjekësh të kujdesit intensiv, dhe një grup tjetër ku u krijuan alarme, por nuk është dërguar.
Në njësitë ku u shtypën alarmet, pacientët që plotësonin kriteret standarde të përkeqësimit morën ndërhyrje urgjente nga ekipi i reagimit të shpejtë.
Gjetjet shtesë në grupin e ndërhyrjes treguan se pacientët kishin më shumë gjasa të merrnin ilaçe për të mbështetur zemrën dhe qarkullimin e gjakut, duke treguar se mjekët po merrnin veprime të hershme; dhe kishin më pak gjasa të vdisnin brenda 30 ditëve.
“Hulumtimi ynë tregon se sinjalizimet në kohë reale duke përdorur mësimin e makinerive mund të përmirësojnë ndjeshëm rezultatet e pacientëve”, thotë autori i vjetër i studimit David L. Reich, MD, President i Spitalit Mount Sinai dhe Mount Sinai Queens, profesor i Anesteziologjisë Horace W. Goldsmith. dhe Profesor i Inteligjencës Artificiale dhe Shëndetit të Njeriut në Icahn Mount Sinai.
“Këto modele janë ndihma të sakta dhe në kohë për vendimmarrjen klinike që na ndihmojnë të sjellim ekipin e duhur te pacienti i duhur në kohën e duhur. Ne i mendojmë këto si mjete të ‘inteligjencës së shtuar’ që shpejtojnë vlerësimet klinike personalisht nga mjekët tanë dhe infermiere dhe nxisin trajtimet që i mbajnë pacientët tanë më të sigurtë”, tha ai.
Studimi u ndërpre herët për shkak të pandemisë COVID-19. Algoritmi është vendosur në të gjitha njësitë e largimit brenda Spitalit Mount Sinai, duke përdorur një rrjedhë pune të thjeshtuar. Një njësi e hapjes është një zonë e specializuar në spital ku vendosen pacientë që janë të qëndrueshëm, por ende kërkojnë monitorim dhe kujdes nga afër.
Është një hap midis njësisë së kujdesit intensiv (ICU) dhe zonës së spitalit të përgjithshëm, duke siguruar që pacientët të marrin nivelin e duhur të vëmendjes ndërsa shërohen.
Një ekip mjekësh të kujdesit intensiv viziton çdo ditë 15 pacientët me rezultatet më të larta të parashikimit dhe u bën rekomandime mjekimit mjekëve dhe infermierëve që kujdesen për pacientin.
Ndërsa algoritmi rikualifikohet vazhdimisht në një numër më të madh pacientësh me kalimin e kohës, vlerësimet nga mjekët e kujdesit intensiv shërbejnë si standardi i artë i korrektësisë dhe algoritmi bëhet më i saktë përmes të mësuarit përforcues.
Përveç këtij algoritmi të përkeqësimit klinik, studiuesit kanë zhvilluar dhe vendosur 15 mjete shtesë të mbështetjes së vendimeve klinike të bazuara në AI në të gjithë Sistemin Shëndetësor Mount Sinai. /Gazeta Shneta/