به گزارش ساینس دیلی، محققان علوم بهداشتی دانشگاه کالیفرنیا در ایروین، یک مدل یادگیری ماشینی برای پیش‌بینی احتمال نیاز یک بیمار کووید-۱۹ به دستگاه تنفس یا مراقبت‌های ویژه (ICU) تولید کرده‌اند. این ابزار برای استفاده هر سازمان بهداشتی درمانی به‌صورت رایگان و به‌صورت آنلاین در دسترس است.

دنیل اس. چوو، استادیار حوزه علوم رادیولوژی و محقق ارشد این تحقیق گفت: «هدف این است که زودتر به پزشکان هشدار داده شود تا بیمارانی که ممکن است در ابتدا آسیب‌پذیر باشند را شناسایی کنند. این ابزار، پیش‌بینی می‌کند که آیا وضعیت بیمار طی ۷۲ ساعت بدتر می‌شود یا خیر.»

این مدل علاوه بر تصمیم‌گیری خاص در زمینه مراقبت‌های بهداشتی که در آن از این ابزار استفاده شده، از سابقه پزشکی بیمار برای تعیین اینکه چه کسی را می‌توان به خانه فرستاد و چه کسی به مراقبت‌های ویژه احتیاج دارد نیز کاربردی است. نتایج این مطالعه نشان داد که در UCI Health (تنها سیستم بهداشتی آکادمیک اورنج کانتی و مکان ارائه خدمات بهداشتی مشهور و امکانات پزشکی پیشرفته)، پیش‌بینی‌های این ابزار، حدود ۹۵ درصد مواقع دقیق بوده است.

آلپش ان. آمین، رئیس مرکز پزشکی توماس و ماری سزاریو و محقق این تحقیق، گفت: «ما ممکن است بر اساس این ابزار برای پیش‌بینی تعداد تخت‌های مراقبت‌های ویژه موردنیاز خود تصمیم بگیریم.»

لازم به ذکر است، محققان جمع‌آوری داده‌های بیمار مبتلابه  کووید-۱۹ را از ژانویه ۲۰۲۰ در UCI Health آغاز کردند و امکان تولید نمونه اولیه این ابزار تا ماه مارس  برای آنان فراهم شد و اندکی بعد این تحقیق را آغاز کنند.

مدل یادگیری ماشینی، داده‌های بیماران مرکز UCI Health برای ایجاد الگوریتمی بکار گرفته که از بیماری‌های قبلی مانند آسم، فشارخون بالا و چاقی و نتایج آزمایش بیمارستانی و داده‌های جمعیت شناختی برای محاسبه احتمال نیاز بیمار به دستگاه تنفس یا مراقبت‌های ویژه استفاده می‌کند.

اگرچه این تحقیق بر اساس بیماران UCI Health بود که در یک مکان مشترک قرار داشتند و در درجه اول آسیایی-آمریکایی، لاتین و قفقازی بودند اما محققان  این ابزار را روی ۴۰ بیمار در دانشگاه اموری در آتلانتا آزمایش کردند تا دریابند آیا روی جمعیت بیماران متفاوت کارایی دارد یا خیر.

درحالی‌که این ماشین حسابگر میزان شدت عمومی بیماران کووید-۱۹ در هر بیمارستان را پیش‌بینی می‌کند اما پزشکان باید بر اساس روش‌های محلی و تعداد تخت‌های خود، تعداد بیماران و شاید گسترش بیماری به‌صورت محلی و در مورد چگونگی ادامه کار تصمیم‌گیری کنند. در UCI Health، این ابزار، مراقبت از بیمار را بر اساس بازخورد پزشکان اورژانس، بیمارستان، مراقبت‌های ویژه و پزشکان بیماری‌های عفونی هدایت کرده است.

پیتر چانگ، استادیار علوم رادیولوژی که مدل یادگیری ماشینی را طراحی کرده است، گفت: «شما باید با متخصصان و پزشکان خود صحبت کنید؛ شما باید ارزیابی کنید که چند تخت در دسترس دارید و به‌عنوان یک گروه دورهم جمع شوید تا تشخیص دهید چگونه می‌خواهید از این ابزار استفاده کنید.»

این گروه قصد دارد این ابزار را به سایر موسسات نیز گسترش دهد و از آن برای تحقیقات بیشتر استفاده کند. آنان در تحقیق بعدی خود قصد دارند پیش‌بینی کنند که چه بیمارانی به‌احتمال‌زیاد از آزمایش‌ها دارویی کووید-۱۹ بهره‌مند می‌شوند.

این تحقیق حاصل همکاری دانشکده پزشکی، دانشکده پرستاری سو و بیل گروس، برنامه بهداشت عمومی و گروه علوم رایانه بود.

انتهای پیام