проверени факти рецензирана публикација
доверлив извор
лекторирани
од Бранди Вамплер, Универзитетот во Нотр Дам
Во Мексико, каде што ракот е втора водечка причина за смрт кај децата, семејствата патуваат значително растојание до специјализираните болници за третман на хемотерапија. По секој круг на хемотерапија, децата обично се испраќаат дома да се опорават. Но, кога пациентот ја напушта болницата по третманот, не постои систем за следење на нивното закрепнување или исход. Во меѓувреме, семејствата остануваат без насоки за тоа кога да побараат лекарска помош за компликации.
Ова беше предизвикот на Нитеш Чаула, професор по компјутерски науки и инженерство на Френк М. Фрајман и основачки директор на семејниот институт за податоци и општество на Луси на Универзитетот во Нотр Дам и Анџелика Гарсија Мартинез, постдокторски научен соработник во семејството Луси. Институт, тргна да се обрати. Тие сакаа да најдат начин да ги следат компликациите од хемотерапијата што ги поддржуваат потребите и на негувателите и на медицинските работници. За да го направите ова, тимот на семејниот институт Луси соработува со болницата за новороденчиња во Мексико Федерико Гомез (HIMFG), која опслужува една третина од пациентите со педијатриски карцином во регионот околу Мексико Сити.
„Семејствата долго патуваат до HIMFG за лекување на нивните деца, а бројот на пациенти далеку го надминува бројот на кревети што може да бидат достапни во ЕР или за болнички пациенти. рече Чаула. „Ние работиме со нив не само за дигитално снимање на клиничките податоци, туку и за социјалните детерминанти на здравствените податоци, така што на лекарите може да им се помогне во донесувањето одлуки поддржани од вештачка интелигенција за подобро управување со популацијата на пациенти додека ги поддржуваат семејствата кои се грижат за своите деца во борбата. рак“.
Целта е да се развие модел на вештачка интелигенција кој му помага на болничкиот персонал да ги процени педијатриските пациенти кои развиле неутропенија, помал од нормалниот број на бели крвни зрнца што го зголемува ризикот од инфекција, по третман со хемотерапија. Состојбата влијае на околу 50% од педијатриските пациенти.
Моделот би покажал колку е веројатно пациентите со неутропенија да развијат негативни исходи, како што се инфекција, внатрешно крварење, неутропеничен ентероколитис, перзистентна неутропенија или септичен шок и морталитет. Ова ќе и помогне на болницата подобро да ги приоретизира потребите за ограничениот простор и креветите, истовремено обезбедувајќи мир на умот за семејствата кои традиционално немаат разбирање за ризиците по хемотерапијата.
„Она што се обидуваме да го направиме не е само да добиеме точни предвидувања, туку и да создадеме модел на претстава што луѓето всушност можат да ја разберат, директно да ја анализираат и да извлечат знаење за здравствените работници да можат да ги подобрат своите процеси во болницата“, рече Џенифер. Шнур, докторант по компјутерски науки советуван од Чаула и истражувач кој работи на моделот на вештачка интелигенција.
Претходното искуство на Шнур како здравствен аналитичар ѝ даде единствен увид во оваа работа. Таа истакна дека иако моделот треба да долови сложени обрасци за да ги добие вистинските перформанси, тој исто така треба да ја балансира човечката разбирливост на податоците, така што информациите може ефективно да се користат во корист на пациентите.
Но, создавањето на моделот бара целосни и точни податоци, а мексиканскиот здравствен систем во моментов се потпира на хартиени записи. Затоа, семејниот институт Луси разви апликација за собирање податоци, дозволувајќи им на лекарите, социјалните работници и истражувачите да ги следат и пријавуваат повеќето информации за здравствената заштита и социјалните детерминанти на пациентот пред и за време на третманите со хемотерапија. Во меѓувреме, старателите и семејствата исто така ја користат апликацијата за да го следат закрепнувањето на пациентите од хемотерапија дома. Ако педијатриски пациент со карцином е примен на одделот за итни случаи поради компликации по третманот, податоците од тој настан заедно со времето поминато во болница се евидентираат и двајцата.
Во оваа почетна фаза, истражувачите доловуваат целосна слика за онколошките патувања на пациентите, вклучувајќи ги нивните информации за позадината, социјалните и економските детерминанти за пристапот до здравствената заштита, онколошката услуга, итни случаи и хоспитализации и историја на инфекција. Но, како и сите нови процеси, доследно собирање податоци и известување беа прилагодување за болничкиот персонал и старателите. Во пилот студијата досега се запишани 264 семејства.
„Постојат толку многу различни ризици по хемотерапијата и други варијабли кои треба да се земат предвид за отпуштање: пациентот, семејството и заедницата во која живеат. Така, идејата е моделот на вештачка интелигенција да ги долови тие ризици во овој поцелосен контекст пред да одлучи кога пациентот треба да биде отпуштен“, рече Гарсија Мартинез.
Иако примарната употреба на собраните податоци е наменета да го поддржи моделот на вештачка интелигенција, информациите веќе им користат на пациентите. На многу начини, апликацијата за собирање податоци делуваше како замена систем за електронска медицинска евиденција за болницата. На пример, Гарсија Мартинез се залагаше за прилагодување на собирањето податоци, не само за моделот, туку и за да му помогне на болничкиот персонал да го разбере менталното здравје на старателите во текот на процесот на лекување.
Во ноември 2022 година, истражувачкиот тим објави ретроспективна студија во Journal of the Pediatric Infectious Diseases Society за валидноста на нивното првично моделирање користејќи ги само клиничките податоци на болницата. Сега истражувачите завршуваат проспективна студија со HIMFG која исто така ги вклучува социјалните детерминанти на здравствените податоци. Целта не е само да се помогне во рационализирањето на собирањето податоци, туку и да се развијат посеопфатни модели на вештачка интелигенција кои холистички ќе ја доловат и клиничката и контекстуалната свест за детето и семејството, што може да послужи како важен придонес во одлучувањето на лекарот. Дополнително, постои потенцијал за евидентирање на долгорочни исходи на пациентот, што ќе доведе до поцврст модел понатаму.
„Голем дел од она што го правиме во семејниот институт Луси е да размислиме како етички да користиме вештачка интелигенција за да создадеме технологии за доброто на најнепослужените и општеството“, рече Чаула.
Ова истражување е дел од поголемиот напор за етичко решавање на здравствената правичност преку вештачка интелигенција заедно со Лабораторијата за податоци за здравствени права на Луси. Студентите од програмата iTREDS на институтот помогнаа да се создаде моделот на вештачка интелигенција и апликацијата што ја користат семејствата на пациентите за снимање податоци. Тимот е поддржан и од Мајкл Кенел, водечки развивач на софтвер во семејниот институт Луси и Канцеларијата за информатички технологии на Универзитетот за складирање податоци, компјутери и безбедност.
Повеќе информации:
Марта Авилес-Роблес и сор., Предвидувачи на септичен шок или бактериемија кај деца кои доживуваат фебрилна неутропенија после хемотерапија, весник на здружението за педијатриски инфективни болести (2022). DOI: 10.1093/jpids/piac080.