پیش بینی احتیاج بیمار کرونایی به دستگاه تنفسی با یادگیری ماشینی - نامیت

محققان علوم بهداشتی دانشگاه کالیفرنیا در ایروین، یک مدل یادگیری ماشینی برای پیش بینی احتمال نیاز یک بیمار کووید-19 به دستگاه تنفس یا مراقبت های ویژه (ICU) فراوری نموده اند. این ابزار برای استفاده هر سازمان بهداشتی درمانی به صورت رایگان و به صورت آنلاین در دسترس است.

دنیل اس. چوو، استادیار حوزه علوم رادیولوژی و محقق ارشد این تحقیق گفت: هدف این است که زودتر به پزشکان هشدار داده گردد تا بیمارانی که ممکن است در ابتدا آسیب پذیر باشند را شناسایی نمایند. این ابزار، پیش بینی می نماید که آیا شرایط بیمار طی 72 ساعت بدتر می گردد یا خیر.

این مدل علاوه بر تصمیم گیری خاص در زمینه مراقبت های بهداشتی که در آن از این ابزار استفاده شده، از سابقه پزشکی بیمار برای معین اینکه چه کسی را می توان به خانه فرستاد و چه کسی به مراقبت های ویژه نیاز دارد نیز کاربردی است. نتایج این مطالعه نشان داد که در UCI Health (تنها سیستم بهداشتی آکادمیک اورنج کانتی و مکان ارائه خدمات بهداشتی مشهور و امکانات پزشکی پیشرفته)، پیش بینی های این ابزار، حدود 95 درصد مواقع دقیق بوده است.

آلپش ان. آمین، رئیس مرکز پزشکی توماس و ماری سزاریو و محقق این تحقیق، گفت: ما ممکن است بر اساس این ابزار برای پیش بینی تعداد تخت های مراقبت های ویژه موردنیاز خود تصمیم بگیریم.

گفتنی است، محققان جمع آوری داده های بیمار مبتلابه کووید-19 را از ژانویه 2020 در UCI Health شروع کردند و امکان فراوری نمونه اولیه این ابزار تا ماه مارس برای آنان فراهم شد و اندکی بعد این تحقیق را شروع نمایند.

مدل یادگیری ماشینی، داده های بیماران مرکز UCI Health برای ایجاد الگوریتمی بکار گرفته که از بیماری های قبلی مانند آسم، فشارخون بالا و چاقی و نتایج آزمایش بیمارستانی و داده های جمعیت شناختی برای محاسبه احتمال نیاز بیمار به دستگاه تنفس یا مراقبت های ویژه استفاده می نماید.

اگرچه این تحقیق بر اساس بیماران UCI Health بود که در یک مکان مشترک قرار داشتند و در درجه اول آسیایی-آمریکایی، لاتین و قفقازی بودند اما محققان این ابزار را روی 40 بیمار در دانشگاه اموری در آتلانتا آزمایش کردند تا دریابند آیا روی جمعیت بیماران متفاوت کارایی دارد یا خیر.

درحالی که این ماشین حسابگر میزان شدت عمومی بیماران کووید-19 در هر بیمارستان را پیش بینی می نماید اما پزشکان باید بر اساس روش های محلی و تعداد تخت های خود، تعداد بیماران و شاید گسترش بیماری به صورت محلی و در خصوص چگونگی ادامه کار تصمیم گیری نمایند. در UCI Health، این ابزار، مراقبت از بیمار را بر اساس بازخورد پزشکان اورژانس، بیمارستان، مراقبت های ویژه و پزشکان بیماری های عفونی راهنمایی نموده است.

پیتر چانگ، استادیار علوم رادیولوژی که مدل یادگیری ماشینی را طراحی نموده است، گفت: شما باید با متخصصان و پزشکان خود صحبت کنید؛ شما باید ارزیابی کنید که چند تخت در دسترس دارید و به عنوان یک گروه دورهم جمع شوید تا تشخیص دهید چگونه می خواهید از این ابزار بهره ببرید.

این گروه میخواهد این ابزار را به سایر موسسات نیز گسترش دهد و از آن برای تحقیقات بیشتر استفاده کند. آنان در تحقیق بعدی خود قصد دارند پیش بینی نمایند که چه بیمارانی به احتمال زیاد از آزمایش ها دارویی کووید-19 بهره مند می شوند.

این تحقیق حاصل همکاری دانشکده پزشکی، دانشکده پرستاری سو و بیل گروس، برنامه بهداشت عمومی و گروه علوم رایانه بود.،ایسنا

آخرین اخبار مربوط به کرونا در ایران و دنیا را اینجا بخوانید