طور باحثون في أكسفورد طريقة جديدة للتعلم الآلي يمكن أن تحسن بشكل كبير من قدرة الأطباء على تحديد المرضى في المستشفى الذين تتدهور حالتهم إلى الحد الذي يحتاجون فيه إلى العناية المركزة.
ووفقا لبيان عبر الموقع الرسمي للجامعة، تم تطوير نظام HAVEN (التنبيه على مستوى المستشفى عبر لوحة الإشعارات الإلكترونية) كجزء من التعاون بين معهد الهندسة الطبية الحيوية بجامعة أكسفورد وقسم Nuffield لعلوم الأعصاب السريرية تم نشر نتائج الدراسة في المجلة الأمريكية لطب الجهاز التنفسي والعناية المركزة.
قال البروفيسور بيتر واتكينسون ، الأستاذ المشارك في طب العناية المركزة في إن طريقة HAVEN للتعلم الآلي ، التي تستخدم بيانات المريض الإلكترونية التي يتم جمعها بشكل روتيني من قبل معظم مستشفيات هيئة الصحة الوطنية ، لديها القدرة على تحسين القدرة الطبية بشكل كبير على اكتشاف المرضى الذين يحتاجون إلى وحدة العناية المركزة ، وأولئك الذين من المرجح أن يغير التدخل في الوقت المناسب نتائجهم.
يجمع نظام HAVEN بين العلامات الحيوية للمرضى مثل ضغط الدم ومعدل ضربات القلب ودرجة الحرارة مع نتائج اختبارات الدم والأمراض المصاحبة والضعف في درجة خطر واحدة تعطي نتيجة HAVEN مؤشراً أكثر دقة حول المرضى الذين يتدهورون بالمقارنة مع النتائج المنشورة سابقاً.
على مدار العشرين عامًا الماضية ، طبقت أنظمة الرعاية الصحية في جميع أنحاء العالم أنظمة تنبيه لتحسين اكتشاف المرضى المعرضين لخطر التدهور يعتمد معظمها على تشوهات في العلامات الحيوية للمرضى، عادةً عن طريق دمجها في درجة الإنذار المبكر يتم تنبيه الأطباء عندما يرتفع نظام الإنذار المبكر فوق عتبة معينة.
يرتبط الاعتراف المتأخر بتدهور حالة المريض في المستشفى بنتائج أسوأ ، بما في ذلك ارتفاع معدل الوفيات.وأوضح البروفيسور واتكينسون أنه على الرغم من التطبيق الواسع لأنظمة درجات الإنذار المبكر ، والتي تستند إلى العلامات الحيوية ، فإن التدهور لا يزال غير معترف به.
وأكد الباحثون أن نظام HAVEN كان قادرًا على اكتشاف ما يقرب من ضعف عدد المرضى الذين عانوا من سكتة قلبية أو احتاجوا إلى رعاية مركزة قبل 48 ساعة ، مقارنة بالنظام الأفضل التالي."
تم أضافة تعليقك سوف يظهر بعد المراجعة