آبان نیوز انتشار آخرین خبرهای سیاسی اقتصادی اجتماعی ورزشی فناوری در آبان نیوز
به گزارش دپارتمان اخبار پزشکی پایگاه خبری آبان نیوز ، 
به گفته یک الگوریتم یادگیری ماشینی می‌تواند با استفاده از اطلاعات جمع‌آوری‌شده قبل از رسیدن بیماران به بیمارستان، خونریزی داخل جمجمه‌ای ضربه‌ای را به دقت تشخیص دهد. مطالعه منتشر شده در شبکه JAMA باز است.
محققان یک سیستم تریاژ پیش بیمارستانی را با استفاده از داده هایی ساخته اند که امدادگران می توانند ارائه دهند، از جمله سن بیمار، جنس، فشار خون سیستولیک، ضربان قلب، دمای بدن، تعداد تنفس، هوشیاری، ناهنجاری های مردمک چشم، تشنج پس از ضربه، استفراغ، همی پلژی، وخامت بالینی، آیا ضربه به سر ناشی از فشار یا فشار زیاد است و اینکه آیا بیمار صدمات متعددی را متحمل شده است.
این مطالعه سوابق سلامت الکترونیکی 2123 بیمار مبتلا به ترومای سر را که از 1 آوریل 2018 تا 31 مارس 2021 به بیمارستان دانشگاه پزشکی و دندانپزشکی توکیو منتقل شده بودند، تجزیه و تحلیل کرد. مدل یادگیری ماشینی خونریزی داخل جمجمه تروماتیک را با حساسیت 74 درصد و یک ویژگی 75٪ با استفاده از اطلاعات پیش بیمارستانی.
در مقایسه، یک مدل پیش‌بینی با استفاده از دستورالعمل‌های مؤسسه ملی بهداشت و مراقبت عالی (NICE)، که پس از مشورت با پزشکان محاسبه شد، دارای حساسیت 72 درصد و ویژگی 73 درصد بود که از نظر آماری تفاوتی با مدل پیش بیمارستانی نداشت.
نویسندگان این مطالعه نوشتند: «اگرچه ابزارهای غربالگری مرسوم نیاز به معاینه توسط پزشک دارند، مدل‌های پیشنهادی ما فقط به اطلاعات بیمار قبل از حمل و نقل نیاز دارند که به راحتی می‌توان به آنها دست یافت».
“نتایج نشان می دهد که مدل های پیش بینی پیشنهادی ما ممکن است برای ساختن یک سیستم تریاژ مفید باشد که می تواند برای ارزیابی موسسه بهینه ای که بیمار دچار آسیب سر باید به آن منتقل شود، استفاده شود. اعتبار سنجی بیشتر با مجموعه داده های آینده نگر و چند مرکزی مورد نیاز است.”
چرا مهم است
محققان گفتند که ارزیابی ضربه به سر در این زمینه می تواند نتایج را برای بیماران بهبود بخشد. سیستم فعلی ترومای سر، به امدادگران نیاز دارد تا در صورت لزوم، بیماران را به بیمارستان بیاورند، جایی که پزشک ارزیابی می کند که آیا بیمار به سی تی اسکن نیاز دارد یا خیر. پس از اسکن، بیمار ممکن است نیاز به انتقال به بیمارستان دیگری داشته باشد.
افزودن تریاژ میدانی می‌تواند به آمبولانس‌ها اجازه دهد ابتدا بیماران را به بهترین مکان برای مراقبت بیاورند و زمان درمان را کاهش دهند.
محققان نوشتند: «از آنجایی که نتایج عملکردی بیماران مبتلا به آسیب سر با تاخیر در حمل و نقل بدتر می‌شود، زمان انتقال در مرحله سوم باید با ساخت یک ابزار تریاژ میدانی قابل اعتماد کاهش یابد.»
روند بزرگتر
با گسترش استفاده از هوش مصنوعی در مراقبت های بهداشتی، کارشناسان و مطالعات به اهمیت نظارت برای سوگیری اشاره کرده اند که می تواند نابرابری های موجود در سلامت را بدتر کند.
توسعه دهندگان هوش مصنوعی نیز نیاز دارند برای اطمینان از کارکرد مدل در همه محیط‌ها، آزمایش کامل انجام دهید. محققان در این مطالعه ترومای سر خاطرنشان کردند که این یکی از محدودیت های مطالعه آنها است، زیرا بر روی یک مکان در ژاپن متمرکز شده است.
آنها نوشتند: «از آنجایی که این یک مطالعه تک مرکزی بود و فقط شامل بیمارانی بود که در بیمارستان بستری شده بودند و تحت سی تی سر قرار گرفتند، مجموعه داده‌های ما ممکن است جمعیت عمومی بیماران مبتلا به ضربه سر را نشان ندهد.
“علاوه بر این، ما پیشنهاد می کنیم که مدل ما ممکن است بر اساس نمودار کالیبراسیون، بیماران در معرض خطر بالا را دست کم بگیرد. برای اعمال مدل خود در عمل بالینی، باید دقت پیش بینی را با استفاده از یک مجموعه اعتبارسنجی خارجی آینده نگر تأیید کنیم و مقدار قطع بهینه را بررسی کنیم. “
این خبر از خبرگزاری های بین المللی معتبر گردآوری شده است و سایت خبری آبان نیوز صرفا نمایش دهنده است. آبان نیوز در راستای موازین و قوانین جمهوری اسلامی ایران فعالیت میکند لذا چنانچه این خبر را شایسته ویرایش و یا حذف میدانید، در صفحه تماس با ما گزارش کنید.
