هوش مصنوعی جان بیماران را از مرگ نجات می‌دهد

عفونت‌ها می‌توانند انواع واکنش‌ها را در بدن انسان ایجاد کنند و یکی از شدیدترین آن‌ها سپسیس است. این عارضه تهدید کننده زندگی، هر ساله باعث بیش از ۲۵۰۰۰۰ مرگ در ایالات متحده می‌شود؛ اما یک سیستم هوش مصنوعی جدید که در دانشگاه جانز هاپکینز توسعه یافته است، نوید می‌دهد که با تشخیص علائم کلیدی در مراحل اولیه، تغییری واقعی در این زمینه ایجاد کند.

سپسیس در نتیجه عفونتی رخ می‌دهد که باعث ایجاد پاسخ ایمنی شدید در بدن می‌شود. این امر باعث شروع رشته‌ای از رویداد‌ها می‌شود که با التهاب گسترده شروع می‌شود و می‌تواند به لخته شدن خون، نشت رگ‌های خونی، نارسایی اندام‌ها یا مرگ ختم شود. علائم آشکار مانند تب یا گیجی را می‌توان به عنوان علائم سایر بیماری‌ها تعبیر کرد، که تشخیص بیماری را در مراحل اولیه دشوار می‌کند.

این مطلب بسیار مهم است، زیرا یک بیمار مبتلا به سپسیس می‌تواند به سرعت بدتر شود و این وضعیت باعث مرگ حدود ۳۰ درصد از کسانی که به آن مبتلا هستند، می‌شود.

ما چند فناوری امیدوارکننده را دیده‌ایم که با تشخیص سریع و واضح سپسیس، احتمال را در این شرایط بهبود می‌بخشد. این‌ها شامل دستگاه‌هایی می‌شوند که نشانگر‌های زیستی کلیدی را در خون در عرض چند دقیقه شناسایی می‌کنند و ابزار‌هایی برای شناسایی سریع پاتوژن‌های عفونت اولیه است.

تیم جانز هاپکینز رویکرد متفاوتی در پیش گرفته و به دنبال استفاده از هوش مصنوعی پیشرفته برای شناسایی بیماران در معرض خطر است.

این کار را با تجزیه و تحلیل تاریخچه پزشکی بیمار و ترکیب آن با علائم فعلی، یادداشت‌های بالینی و نتایج آزمایشگاهی انجام می‌دهند. این هوش مصنوعی که «سیستم هشدار اولیه هدفمند در زمان واقعی» نام دارد، بیماران را از لحظه بستری شدن در بیمارستان تا لحظه ترخیص ردیابی می‌کند. با نظارت بر آن‌ها به این روش، سیستم به گونه‌ای طراحی شده است که هیچ گونه جزئیات مهم پزشکی یا بالقوه خطرناکی از بین نرود.

این ابزار که با همکاری جانز هاپکینز اسپین آف توسعه و به کار گرفته شد، در پنج بیمارستان به عنوان بخشی از یک آزمایش دو ساله، شامل بیش از ۷۰۰۰۰۰ بیمار، مورد استفاده قرار گرفت.

در این زمینه کنار تخت، سیستم هشدار اولیه برای ارسال هشدار به پزشکان و ارائه دهندگان مراقبت‌های بهداشتی در صورت وجود نگرانی طراحی شده است.

به گفته محققان، این سیستم بسیار موثر بود و به طور متوسط ​​منجر به تشخیص سپسیس تقریباً شش ساعت زودتر از روش‌های سنتی با میزان حساسیت ۸۲ درصدی شد.

نرخ بالای پذیرش را در بین ارائه دهندگان مراقبت‌های بهداشتی به میزان ۸۹ درصد افزایش داد. نتیجه کاهش قابل توجه عوارض، طول مدت بستری در بیمارستان و از همه مهمتر کاهش مرگ و میر ۱۸.۲ ٪ بود.

نری کوهن، رئیس مرکز نوآوری مراقبت‌های بهداشتی که با محققان همکاری کرد، گفت: موردی در پزشکی باقی نمانده است که نرخ مرگ و میر ۳۰ درصدی مانند سپسیس داشته باشد. چیزی که آن را بسیار آزاردهنده می‌کند، این است که نسبتاً رایج است و ما هنوز در تشخیص زودهنگام آن پیشرفت بسیار کمی داشته ایم تا بتوانیم از نظر مادی عوارض و مرگ و میر را کاهش دهیم.

کاهش مرگ و میر تا نزدیک به ۲۰ درصد قابل توجه است و به نجات جان بسیاری از افراد منجر می‌شود.

محققان همچنین در حال تطبیق فناوری کنار تخت برای تشخیص سایر شرایط مانند زخم بستر یا نارسایی حاد تنفسی هستند.

سوچی ساریا، نویسنده اصلی این مطالعات، گفت: این اولین موردی است که هوش مصنوعی در کنار تخت پیاده‌سازی می‌شود، توسط هزاران ارائه‌دهنده استفاده می‌شود و ما شاهد نجات جان انسان‌ها هستیم. این یک جهش خارق‌العاده است که سالانه هزاران بیمار سپسیس را نجات می‌دهد.

این تحقیق در سه مقاله در Nature Digital Medicine و Nature Medicine منتشر شده است.