ماشینی که ۴ ساعت زودتر، وقوع سکته را تشخیص می‌دهد

amin
با بررسی ۷۲ پارامتر پزشکی در بیماران شامل نشانه‌های حیاتی، سن، سطح گلوکز خون و شمار پلاکت‌ها، ماشین می‌توانست چهار ساعت قبل از وقوع کد آبی بگوید که آیا مریض در معرض خطر ایست قلبی یا تنفسی خواهد بود یا نه.

کد آبی، در بیمارستان به این معنی است که مریض به کمک فوری نیاز دارد. الگوریتم جدیدی طراحی شده که می‌تواند ۴ ساعت قبل از رسیدن به این مرحله، خطر را به بقیه هشدار دهد.

رخدادهای مربوط به کد آبی که شامل ایست قلبی و تنفسی می‌شود، می‌تواند لحظات بسیار سخت و پرتنشی را در بیمارستان موجب شود. پزشکان بیمارستان‌های امریکا برای برآورد میزان خطرناک بودن وضعیت بیمار بر پایه نشانه‌های حیاتی مانند ضربان قلب، فشار خون و دمای بدن از یک جدول درجه‌بندی استفاده می‌کنند که «درجه هشدار اولیه بهینه‌شده» نام دارد.

دانستن اینکه بیماران خاصی در معرض خطر بالا قرار دارند، می‌تواند به بیمارستان‌ها در جهت کاهش تعداد ایست‌های تنفسی و قلبی و زمان بستری کمتر در بیمارستان کمک کند.

به گزارش نیوساینتیست، سریرام سومانچی و همکارانش در دانشگاه کارنگی ملون در پیتزبورگ پنسلوانیا می‌خواستند ببینند که آیا کامپیوتر می‌تواند پیش‌بینی کند که این رخدادها چه زمانی قریب الوقوع هستند. سومانچی می‌گوید: «ما باید می‌فهمیدیم که برای بیماران کد آبی، چه اتفاقی می‌افتد که منجر به ایست قلبی و تنفسی می‌شود».

محققان اطلاعات ۱۳۳ هزار مریضی را که بین سال‌های ۲۰۰۶/۱۳۸۵ تا ۲۰۱۱/۱۳۹۰ در چهار بیمارستان شیکاگو پذیرش شده بودند به الگوریتم آموزش ماشین وارد کردند. در این بازه زمانی، ۸۵۱ مرتبه کد آبی اعلام شده بود. با بررسی ۷۲ پارامتر پزشکی در بیماران شامل نشانه‌های حیاتی، سن، سطح گلوکز خون و شمار پلاکت‌ها، ماشین می‌توانست چهار ساعت قبل از وقوع کد آبی بگوید که آیا مریض در معرض خطر ایست قلبی یا تنفسی خواهد بود یا نه. این سیستم در دو سوم موارد، حالت اضطراری را درست حدس درست می‌زند، در حالی که سیستم قبلی (کارت درجه‌بندی) تنها در 30 درصد موارد (یک‌سوم) درست عمل می‌کرد.

پیتر دونان در دانشگاه داندی انگلیس می‌گوید که ممکن است راه‌اندازی این سیستم در بیمارستان‌هایی که اطلاعاتی تا این حد جزئی را از مریض دریافت نمی‌کنند، سخت باشد. به گفته او مزیت روش‌ کارت درجه‌بندی این است که مبتنی بر تعداد کمی پارامتر است. و وقتی از دیدگاه آماری به این روش‌ها نگاه می‌کنیم، یک مدل کوچک‌تر بهتر است.

سومانچی می‌گوید که این الگوریتم نیاز به کار بیشتر دارد زیرا در ۲۰ درصد موارد به طور نادرست خطر را اعلام می‌کند. برای بهبود عملکرد آن، پژوهشگران در نظر دارند که داده‌های دیگر بیمارستان‌ها را نیز به الگوریتم اضافه کنند. (خبر آنلاین)

آیا این مطلب برای شما مفید بود؟
مطالب پیشنهادی

نظر خود را وارد نمایید
لغو پاسخ