عاشق وب: اختلال در نظارت شبانه بر علایم حیاتی(VS) بیماران بستری در بیمارستان با اختلال شناختی، فشار خون بالا، افزایش استرس و حتی مرگ و میر بیماران مرتبط می باشد، حال پژوهشگران راهی نوین برای انجام این کار توسط هوش مصنوعی یافته اند.
به گزارش عاشق وب به نقل از ایسنا و به نقل از تک اکسپلوریست، برای نخستین بار یک گروه از پژوهشگران “موسسه تحقیقات پزشکی فاینستاین” ابزار بالینی پیش بینی یادگیری عمیق را برای شناسایی بیمارانی که لازم نیست در طول شب بیدار شوند تا علایم حیاتی آنها اندازه گیری شود، توسعه داده اند که این مساله به آنها اجازه می دهد تا بیماران بیشتر استراحت کرده و زودتر بهبودی خودرا به دست آورند. نتایج این مطالعه بر طبق بررسی یافته های ۲۴.۳ میلیون اندازه گیری علایم حیاتی به دست آمده است.
یک گروه از پژوهشگران به سرپرستی “تئودوروس زانوس”(Theodoros Zanos) داده های چندین بیمارستان نیویورک را بین سالهای ۲۰۱۲ و ۲۰۱۹ جمع آوری و تجزیه و تحلیل کردند. آنها موفق به بررسی ۲.۱۳ میلیون ویزیت بیمار شدند. آنها از این حجم وسیع از داده های بالینی ویزیت های بیماران( ضربان تنفس، ضربان قلب، فشار خون سیستولیک، دمای بدن، سن بیمار و غیره) برای توسعه الگوریتمی استفاده کردند که می تواند میزان ثبات حال بیمار را در طول شب پیش بینی نماید تا اگر وضعیت آنها عادی است دیگر پرستاران در طول شب آنها را برای اندازه گیری علایم حیاتی بیدار نکنند و آنها بتوانند یک خواب بدون وقفه و راحتی داشته باشند.
حال پژوهشگران این مطالعه با در نظر گرفتن این مشکل موفق به ابزاری مبتنی بر هوش مصنوعی به نام “بگذارید بیماران بخوابند”(Let Sleeping Patients Lie) شده اند.
دکتر زانوس اظهار داشت: استراحت یک عنصر مهم برای مراقبت از بیمار است و به خوبی اثبات شده است که اختلال در خواب شکایتی شایع است که می تواند بهبودی بیمار را به تأخیر بیندازد. یافته های ما نشان میدهد این دستگاه می تواند با بررسی این علایم سبب شود بیماران خوابی آرام و ایمن را تجربه کنند.
بطور متوسط کادر درمانی هر چهار تا پنج ساعت یک بیماران را برای چک کردن علایم حیاتی آنها از خواب بیدار می کنند اما این ابزار مفید این پتانسیل را دارد که کار شبانه کارکنان بیمارستان را کم کند و از استرس کارکنان بکاهد. پرستاران بین ۲۰-۳۵ درصد از وقت خودرا صرف مستندسازی علایم حیاتی بیماران می کنند و تقریباً ۱۰ درصد از شیفت خودرا برای جمع آوری این اطلاعات اختصاص می دهند. بدین سبب استفاده از چنین دستگاهی می تواند هم برای بیماران و هم کادر درمانی بسیار کاربردی و مفید باشد.
یافته های این مطالعه در مجله”Nature Partner Journals Digital Medicine” انتشار یافته است.
منبع: weblover.ir
