کاهش خطرات حین جراحی با یادگیری ماشین
پژوهشگران دانشگاه واشنگتن (آمریکا) سیستم یادگیری ماشین جدیدی را توسعه داده‌اند که از اطلاعات اولیه بیمار و حسگرهای اتاق عمل برای پیش‌بینی احتمال بروز هیپوکسمی – کاهش سطح اکسیژن خون پایین‌تر از حد طبیعی – استفاده می‌کند.
در طول عمل جراحی، ضربان قلب و تنفس بیمار توسط متخصص بیهوشی به صورت مستمر کنترل و تلاش می شود تا وضعیت بیمار در حالت پایدار و مطمئن باقی بماند؛ اما همیشه عواضی که در حین جراحی روی می دهد، قابل پیش‌بینی نیست.
پژوهشگران دانشگاه واشنگتن (آمریکا) سیستم یادگیری ماشین جدیدی موسوم به Prescience را توسعه داده‌اند که از اطلاعات اولیه بیمار و حسگرهای اتاق عمل استاندارد برای پیش‌بینی احتمال بروز هیپوکسمی استفاده می‌کند.
هیپوکسمی (hypoxemia)، کاهش سطح اکسیژن خون پایین‌تر از حد طبیعی است که می‌تواند منجر به عواقب جدی مانند عفونت و رفتار غیرطبیعی قلب شود.
در این مطالعه، داده‌های مربوط به 50 هزار عمل جراحی در مرکز پزشکی Harborview در سیاتل و دانشگاه واشنگتن جمع‌آوری شد. این داده‌ها شامل اطلاعاتی مانند سن و وزن بیمار و اطلاعات لحظه‌ای شامل ضربان قلب و سطح اکسیژن خون در حین جراحی بود.
از این اطلاعات برای آموزش دادن سیستم یادگیری ماشین Prescience برای ارائه پیش‌بینی‌های دقیق حین عمل جراحی استفاده شد.
سیستم Prescience قادر به ارائه تفسیرهای لحظه‌ای از وضعیت بیمار در حین جراحی است؛ با استفاده از این اطلاعات، متخصص بیهوشی می‌تواند درک بهتری از احتمال بروز خطر هیپوکسمی داشته باشد و از بروز این مشکل جلوگیری کند.
سو-این لی (Su-In Lee) استادیار علوم رایانه در دانشگاه واشنگتن و نویسنده ارشد این مطالعه تأکید کرد: متخصص بیهوشی می‌تواند از طریق این روش یادگیری ماشین مشخص کند که چرا دو بیمار مختلف به هیپوکسمی دچار می‌شوند.
وی افزود: علاوه بر مشخص شدن پاسخ این سوال مهم، متخصص بیهوشی می‌تواند احتمال بروز هیپوکسمی را پیش‌بینی و از بروز این مشکل در زمان عمل جراحی پیشگیری کند. از طریق سیستم یادگیری ماشین Prescience، از بروز سالانه 2.4 میلیون مورد هیپوکسمی در بین بیماران آمریکایی جلوگیری خواهد شد.
نتایج این مطالعه در مجله Nature Biomedical Engineering منتشر شد.