проверени факти рецензирана публикација
доверлив извор
лекторирани
од Универзитетот во Тексас во Далас
Истражувачите од Универзитетот во Тексас во Далас развија алатка за вештачка интелигенција која може да го предвиди ризикот од срцев удар кај децата хоспитализирани во одделенијата за срцева интензивна нега.
Технологијата е најновото дело на Групата за статистичка вештачка интелигенција и релационо учење, истражувачка лабораторија во УТ Далас каде експерти развиваат вештачка интелигенција за да им помогнат на давателите на здравствени услуги. Истражувачите имаат за цел да обезбедат алатки за да им помогнат на лекарите да ги проценат и следат ризиците на поединечни пациенти за различни состојби, вклучувајќи гестациски дијабетес и несакани интеракции со лекови.
Во една студија објавена на интернет на 6 април во Журналот за клиничка медицина, компјутерските научници од UTD соработуваа со истражувачи од педијатриска кардиологија и критична нега од UT Southwestern Medical Center и Универзитетот во Вашингтон.
Тимот ја испитуваше електронската здравствена евиденција (EHR) на 160 педијатриски пациенти кои имале срцев удар за време на нивниот прием на срцева ИЦУ во Детско здравје во Далас помеѓу 2010 и 2019 година, како и податоци од контролна група од 711 пациенти. Целта беше да се одреди кои индикатори снимени во период од 24 часа би можеле да предвидат срцев удар во следните 24 часа, рече д-р Срирам Натараџан, професор по компјутерски науки на Факултетот за инженерство и компјутерски науки Ерик Џонсон.
Користејќи 11 витални знаци и лабораториски променливи кои беа собрани од EHR, во комбинација со историски сетови за обука/тестирање, тимот успешно создаде алгоритам за предвидување за машинско учење за предвидување на срцев удар кај децата еден час пред срцевиот застој, рече Натараџан.
„Нашата цел е да им помогнеме на лекарите да спречат срцев удар. Ако спасиме животи на деца, тоа би било неверојатен напредок“, рече Натараџан.
Додека ги разгледуваа 11-те клучни променливи, истражувачите открија дека неефикасната ткивна перфузија – недостатокот на проток на крв со кислород во областите на телото – беше главен предиктор. Наодот следеше со резултатите од статистичката анализа на податоците на истражувачите, што покажува дека нивниот алгоритам е точен. Следниот чекор во нивното истражување е да го тестираат алгоритмот на поголеми збирки податоци за да утврдат дали тој се однесува на пошироката педијатриска популација.
Д-р Мајкл Скинер, еден од авторите на студијата, е пензиониран педијатриски хирург од Југозападен УТ, кој се запишал на УТ Далас како докторант по компјутерски науки пред пет години за да научи како да го развие типот на технологија што посакувал да ја има како лекар. Како истражувач на компјутерски науки, тој ја носи предноста на повеќедецениското клиничко искуство.
„Она на што работиме е поддршка за клиничка одлука“, рече Скинер. „Со критично болните пациенти, би сакале машината да може да ги интегрира сите податоци за да ви даде предупредување доколку има нешто што предвидува проблем“.
Минатата година, Натараџан ко-напиша студија објавена во JAMA Network Open, која покажа дека ризикот од гестациски дијабетес значително се зголемува кај лицата кои се изложени на висок ризик за дијабетес тип 2 и кои имаат ниско ниво на физичка активност. Наодите сугерираат дека физичката активност на почетокот на бременоста може да го намали ризикот од гестациски дијабетес.
Натараџан, кој го раководи Центарот за машинско учење на UTD, ја нагласи важноста од инкорпорирање на знаењето на лекарите и другите експерти со податоци и технологија за да се предвидат здравствените резултати и да се решат здравствените проблеми.
„Ви може да му помогне на човештвото, но луѓето ја имаат контролата“, рече Натараџан. „Луѓето се тие што ги учат системите за вештачка интелигенција“.
Д-р Присила Ју, асистент професор по педијатрија, беше кореспондентен автор на студијата „Журнал за клиничка медицина“, а д-р Лакшми Раман, професор по педијатрија, беше постар автор, и двајцата на УТ Југозападен.
Повеќе информации:
Присила Ју и соработниците, предвидување на срцев удар кај деца со срцеви заболувања: нов алгоритам за машинско учење, Журнал за клиничка медицина (2023). DOI: 10,3390/jcm12072728.