Veszélyes mesterséges intelligencia? Döntésben az orvosokat is kikupálja

Komoly segítséget nyújthat a mesterséges intelligencia abban, hogy az orvosok jobb döntéseket hozzanak és ezzel életeket is megmentsenek.

A Critical Care Medicine szaklapban megjelent egy cikk, amely arra világít rá, hogy kulcsfontosságú lehet a klinikai ellátást és a betegek állapot-kimenetelének javítását célzó, gépi tanulási beavatkozás és értékelés az orvoslásban. A klinikán történő állapotromlást ugyanis ezzel a modellel „byte-ból áthelyezik a betegágyra”. A szakcikk a Mount Sinai kórház tanulmányára reagálva született – írta meg a medicalxpress.com.

A fő tanulmány megállapította, hogy a kórházi betegeknél 43 százalékkal nagyobb valószínűséggel növekedett az ellátás, sőt lényegesen kisebb valószínűséggel haltak meg a páciensek, amennyiben az ápolócsapatuk mesterséges intelligencia-generált riasztásokat kapott – ezek jelezték ugyanis az egészségi állapotukban bekövetkezett kedvezőtlen változásokat.

„Szerettük volna látni, hogy a mesterséges intelligencia és a gépi tanulás által adott, gyors riasztások, amelyek sok különböző típusú betegadatra vannak kiképezve, segíthetnek-e csökkenteni a páciensek intenzív ellátásra szorulásának gyakoriságát és a kórházi halálozás esélyét” – mondta a tanulmány vezető szerzője, Matthew A. Levin orvos, az aneszteziológia, a perioperatív és fájdalomgyógyászat, valamint a genetika és a genomisztika professzora az Icahn Mount Sinai kórházban, aki egyben a The Mount Sinai Kórház klinikai adattudományi igazgatója.

Hozzátette: a klinikai állapotromlás előrejelzésében hagyományosan régebbi manuális módszerekre, például a módosított korai figyelmeztető pontszámra (MEWS) támaszkodtak. A tanulmány azonban azt mutatja, hogy az automatizált gépi tanulási algoritmus pontszámai – amelyek kiváltják a szolgáltató, vagyis az orvos értékelését -, felülmúlhatják a korábbi módszereket ennek pontos előrejelzésében.

Mindez azért fontos, mert lehetővé teszi a korábbi beavatkozást, amely több életet menthet meg.

A tanulmányban résztvevő betegeket két csoportra osztották: az egyik csoportban valós idejű riasztásokat kaptak a romlás előre jelzett valószínűsége alapján, s azokat közvetlenül az ápolóiknak és orvosaiknak, vagy az intenzív terápiás orvosokból álló „gyors reagálású csapatnak” küldték. A másik csoportban pedig létrehoztak riasztásokat, de nem küldték el őket. Azokon az egységeken, ahol a riasztásokat elnyomták, a standard állapotromlási kritériumoknak megfelelő betegek sürgős beavatkozásban részesültek a gyors reagálású csoport részéről.

Az intervenciós csoport további eredményei azt mutatták, hogy a páciensek nagyobb valószínűséggel kapnak gyógyszert a szív és a keringés támogatására – ami azt jelzi, hogy az orvosok korán megtették a szükséges lépéseket és kisebb valószínűséggel haltak meg a betegek 30 napon belül.

„Kutatásunk azt mutatja, hogy a gépi tanulást használó, valós idejű riasztások jelentősen javíthatják a páciensek állapotának kimenetelét”

– mondta el David L. Reich, a tanulmány vezető szerzője, a Mount Sinai kórház és a Mount Sinai Queens elnöke.

A szakember egyébként a mesterséges intelligencia és az emberi egészség professzora is az Icahn Mount Sinai kórházban.

Megjegyezte: ezek a modellek pontos és időszerű segítséget nyújtanak a klinikai döntéshozatalban, amelyek segítenek abban, hogy a megfelelő páciens a megfelelő csapathoz kerüljön, a megfelelő időben.

Ezen, „kibővített intelligencia” eszközökre úgy kell gondolni, hogy felgyorsítják az orvosok, ápolók által végzett személyes klinikai értékeléseket és azonnali kezeléseket biztosítanak, amelyek lényegesen biztonságosabbá teszik a betegellátást – mondta el a professzor.

(Via)