درمان بیماران بخش اورژانس با کمک یادگیری ماشینی
پژوهشگران دانشگاه "ام.آی.تی"، نوعی سیستم یادگیری ماشینی ابداع کرده‌اند که می‌تواند به پزشکان در درمان بیماران بخش اورژانس کمک کند.
به گزارش ایسنا و به نقل از ام.آی.تی نیوز، پژوهشگران، یک سیستم یادگیری ماشینی ابداع کرده‌اند که می‌تواند پزشکان را در تصمیم‌گیری برای درمان بیماران مبتلا به "گندخونی" یا " سپتیسمی"(sepsis) در بخش اورژانس یاری دهد. این سیستم، به پزشکان کمک می‌کند داروهای نجات‌بخش را برای درمان این بیماران انتخاب کنند.
سپتیسمی، یکی از متداول‌ترین دلایل مرگ در واحد مراقبت‌های ویژه است. بیشتر این بیماران، ابتدا به بخش اورژانس مراجعه می‌کنند و درمان این مشکل، با آنتی‌بیوتیک‌ها و مایعات وریدی آغاز میشود. اگر واکنش بیمار به این درمان‌ها خوب نباشد، دچار شوک عفونی و افت خطرناک فشار خون میشود. اغلب در چنین شرایطی، بیمار را به بخش ICU منتقل می‌کنند تا افت فشار درمان شود.
در هر حال ممکن است به کار بردن بیش از حد مایعات، کارآمد نباشد و حتی موجب آسیب به اندام‌های بدن شود. در واقع، شاید مصرف بیش از حد این مایعات برای بیماران، امکان مرگ آنها در اثر شوک عفونی را افزایش دهد. پزشکان برای انتقال کافی دارو، باید فشار خون و نشانه‌های دیگر را در بیمار بررسی کنند.
پژوهشگران دانشگاه "ام.آی.تی"(MIT) و "بیمارستان عمومی ماساچوست"(MGH)، یک مدل یادگیری ماشینی ابداع کرده‌اند که می‌توان داده‌های مربوط به سلامت بیماران را به آن ارائه داد تا نیاز یا عدم نیاز بیمار به دارو را تا چند ساعت آینده بررسی کند.
این گروه پژوهشی برای آزمایش ایده خود، مجموعه داده‌های مربوط به بیماران مبتلا به سپتیسمی را مورد بررسی قرار دادند. این سیستم، ویژگی‌های به دست آمده را در بیماران جدید هم بررسی کرد تا الگوهای حاکی از بیماری را در شخص جستجو کند و لزوم تزریق دارو را تشخیص دهد. در نهایت، مدل یادگیری ماشینی توانست در 80 درصد موارد، نیاز بیماران به دارو را درست پیش‌بینی کند.
" وارش پراساد"(Varesh Prasad)، نویسنده ارشد این پژوهش گفت: این مدل، نشانه‌های حیاتی کنونی بیمار را بررسی می‌کند و نیاز یا عدم نیاز او به دارو را تشخیص می‌دهد.
مقاله این پژوهش، در هفته جاری در "نشست سالانه انجمن متخصصان علوم پزشکی آمریکا" (AMIA) ارائه خواهد شد.