نظارت بر خواب شبانه بیماران با دستگاه هوش مصنوعی
به گزارش وبلاگ عینک پرادا، اختلال در نظارت شبانه بر علائم حیاتی(VS) بیماران بستری در بیمارستان با اختلال شناختی، فشار خون بالا، افزایش استرس و حتی مرگ و میر بیماران مرتبط است، حال محققان راهی نوین برای انجام این کار توسط هوش مصنوعی یافته اند.
اولین بار یک گروه از محققان موسسه تحقیقات پزشکی فاینستاین ابزار بالینی پیش بینی یادگیری عمیق را برای شناسایی بیمارانی که لازم نیست در طول شب بیدار شوند تا علائم حیاتی آنها اندازه گیری گردد، توسعه داده اند که این موضوع به آنها اجازه می دهد تا بیماران بیشتر استراحت نموده و زودتر بهبودی خود را به دست آورند. نتایج این مطالعه براساس آنالیز یافته های 24.3 میلیون اندازه گیری علائم حیاتی به دست آمده است.
یک گروه از محققان به سرپرستی تئودوروس زانوس(Theodoros Zanos) داده های چندین بیمارستان نیویورک را بین سال های 2012 و 2019 جمع آوری و تجزیه و تحلیل کردند. آنها پیروز به آنالیز 2.13 میلیون ویزیت بیمار شدند. آنها از این حجم وسیع از داده های بالینی ویزیت های بیماران(ضربان تنفس، ضربان قلب، فشار خون سیستولیک، دمای بدن، سن بیمار و غیره) برای توسعه الگوریتمی استفاده کردند که می تواند میزان ثبات حال بیمار را در طول شب پیش بینی کند تا اگر شرایط آنها عادی است دیگر پرستاران در طول شب آنها را برای اندازه گیری علائم حیاتی بیدار ننمایند و آنها بتوانند یک خواب بدون وقفه و راحتی داشته باشند.
حال محققان این مطالعه با در نظر دریافت این مشکل پیروز به ابزاری مبتنی بر هوش مصنوعی به نام بگذارید بیماران بخوابند(Let Sleeping Patients Lie) شده اند.
دکتر زانوس گفت: استراحت یک عنصر مهم برای مراقبت از بیمار است و به خوبی اثبات شده است که اختلال در خواب شکایتی شایع است که می تواند بهبودی بیمار را به تأخیر بیندازد. یافته های ما نشان می دهد این دستگاه می تواند با آنالیز این علائم سبب گردد بیماران خوابی آرام و ایمن را تجربه نمایند.
به طور متوسط کادر درمانی هر چهار تا پنج ساعت یک بیماران را برای چک کردن علائم حیاتی آنها از خواب بیدار می نمایند اما این ابزار مفید این پتانسیل را دارد که کار شبانه کارکنان بیمارستان را کاهش دهد و از استرس کارکنان بکاهد. پرستاران بین 20-35 درصد از وقت خود را صرف مستندسازی علائم حیاتی بیماران می نمایند و تقریباً 10 درصد از شیفت خود را برای جمع آوری این اطلاعات اختصاص می دهند. بنابراین استفاده از چنین دستگاهی می تواند هم برای بیماران و هم کادر درمانی بسیار کاربردی و مفید باشد.
یافته های این مطالعه در مجلهNature Partner Journals Digital Medicine منتشر شده است.
منبع: ایران آنلاین