Ακούγεται λίγο σαν επεισόδιο από σίριαλ επιστημονικής φαντασίας, αλλά επιστήμονες στις ΗΠΑ ανέπτυξαν τα πρώτα συστήματα τεχνητής νοημοσύνης που διακινδυνεύουν να κάνουν προβλέψεις για το πότε θα πεθάνουν οι ασθενείς ενός νοσοκομείου.
Ο FDA μάλιστα ενέκρινε νέα κλινική πλατφόρμα για προσωπικό νοσοκομείου, που χρησιμοποιεί αλγόριθμο για να προβλέψει και να εμποδίσει αιφνίδιο θάνατο ασθενούς, ανακοίνωσαν οι κατασκευαστές του Excel Medical.
Το WAVE Clinical Platform, είναι σύστημα που παρακολουθεί τα ζωτικά ενός ασθενούς και στέλνει σήμα κινδύνου σε συνδεδεμένες έξυπνες συσκευές μέχρι 6 ώρες πριν ο ασθενής υποστεί δυνητικά μοιραία καρδιακή προσβολή ή αναπνευστική ανεπάρκεια.
Πρόκειται για τον πρώτο τέτοιο αλγόριθμο που λαμβάνει έγκριση από τον FDA.
Μέχρι 400.000 άνθρωποι το χρόνο πεθαίνουν πρόωρα στα νοσοκομεία, σύμφωνα με έρευνα του 2013 που δημοσιεύτηκε στο περιοδικό Journal of Patient Safety.
Ο αλγόριθμος Excel που ονομάζεται Visensia Safety Index, παρακολουθεί τα ζωτικά πολύ άρρωστων ασθενών και υπολογίζει τον κίνδυνο να πέσουν σε πρώιμη εξασθένηση, 6-8 ώρες πριν το δυνητικά μοιραίο καρδιακό γεγονός.
Η Mary Baum, της Excel Medical, δήλωσε ότι το WAVE σώζει ζωές εξοικονομώντας πολύτιμο χρόνο.
Η τυπική, άμεση ανταπόκριση της ομάδας σε ένα νοσοκομείο είναι 15 λεπτά. Αν υπάρχει προειδοποίηση 6 ώρες νωρίτερα, μπορεί ενδεχομένως η έκβαση να αλλάξει.
Η WAVE platform καταγράφει τα ζωτικά του ασθενούς, όπως καρδιακό και αναπνευστικό ρυθμό, αρτηριακή πίεση και θερμοκρασία.
Όπως εξηγεί η Baum, η σχέση μεταξύ διαφόρων ζωτικών μπορεί να δείξει ότι κάτι πάει λάθος, ώρες πριν κάποιο σύστημα του οργανισμού του ασθενούς παρουσιάσει πρόβλημα, ώστε να προκαλέσει συναγερμό στο ιατρικό προσωπικό. Μια μικρή μείωση του αναπνευστικού ρυθμού μπορεί να μην είναι ‘’κόκκινη σημαία’’ στα παραδοσιακά μόνιτορ αλλά αν συμβεί ταυτόχρονα με την αύξηση της αρτηριακής πίεσης μπορεί να είναι έγκαιρο σημάδι εξασθένησης.
Δεν είναι απλά raw data. Βλέπουμε την τάση και τη σχέση μεταξύ των στοιχείων. Ο αλγόριθμος αφορά τη σχέση μεταξύ των σημείων δεδομένων.
Οι ασθενείς έχουν έναν αριθμό μεταξύ 1-5, βάσει του πόσο υγιείς φαίνονται από τα ζωτικά τους στοιχεία και το προσωπικό ειδοποιείται αν ο ασθενής φτάσει στο 3 και πάνω.
Αντί να τρέχει στον ασθενή το ιατρικό προσωπικό μετά τα μη φυσιολογικά σημάδια των ζωτικών, η πλατφόρμα WAVE υπολογίζει την πιθανότητα ασθενούς που βρίσκεται σε κίνδυνο για επιδείνωση.
Το σύστημα βρίσκεται πάντα εν λειτουργία και στέλνει σήματα κινδύνου σε τηλέφωνα, tablets, και desktops.
Σε κλινικές δοκιμές του University of Pittsburgh Medical Center, συγκρίθηκαν 2 κοόρτες ηλικιωμένων- μια με το σύστημα WAVE και μια χωρίς. Η ομάδα ελέγχου είχε 6 απρόσμενους θανάτους, ενώ η ομάδα της δοκιμής καμία.
Η πρόγνωση του θανάτου είναι αναδυόμενος τομέας στην ιατρική τεχνολογία και την τεχνητή νοημοσύνη.
Άλλη εταιρεία, η Aspire Health, ισχυρίζεται ότι οι αλγόριθμοί της μπορούν να εξοικονομήσουν στις οικογένειες χιλιάδες δολάρια, προβλέποντας το σημείο στο οποίο οι ηλικιωμένοι ασθενείς θα πρέπει να αλλάξουν από το νοσοκομείο όπου λαμβάνουν συνεχή αγωγή, σε ιδρύματα παρηγορητικής αγωγής, όπου θα είναι άνετα αλλά δεν θα αναμένεται να αναρρώσουν.
Σε μια δεύτερη περίπτωση στο Stanford University οι ερευνητές αποφάσισαν να εκπαιδεύσουν έναν αλγόριθμο τεχνητής νοημοσύνης για να προσφέρει αυτήν την απάντηση με ακόμα πιο εκπληκτική ακρίβεια.
Ο στόχος τους είναι να παρέχουν ένα ακριβές χρονοδιάγραμμα στους ασθενείς (και τους οικείους τους) που βρίσκονται σε τελικό στάδιο κάποιας σοβαρής νόσου, έτσι ώστε να επαναπροσδιορίσουν τις προτεραιότητες τους και να ζήσουν τους τελευταίους μήνες/εβδομάδες/ημέρες όπως πραγματικά επιθυμούν.
“Η βελτίωση της ποιότητας ζωής των ασθενών σε τελικό στάδιο αποτελεί προτεραιότητα για τους μεγάλους οργανισμούς στον χώρο της Υγείας. Οι έρευνες έχουν αποδείξει ότι οι γιατροί υπερεκτιμούν τις προγνώσεις τους, οι οποίες πολλές φορές συνδυάζονται με θεραπείες που δεν έχουν αποτέλεσμα με αποτέλεσμα να υπάρχει αναντιστοιχία μεταξύ των επιθυμιών του ασθενούς και της πραγματικής ιατρικής φροντίδας στο τέλος της ζωής τους”
Οι ανακριβείς προγνώσεις των γιατρών επιφέρουν ανεπιθύμητες συνέπειες, όπως για παράδειγμα οι ασθενείς να περνούν τις τελευταίες ημέρες τους σε ένα δωμάτιο νοσοκομείου, αντί να βρίσκονται στο σπίτι με την οικογένεια τους. Αφαιρώντας το ανθρώπινο στοιχείο από την εξίσωση — το οποίο μπορεί να πηγάζει από υπεραισιοδοξία και συναίσθημα — ο αλγόριθμος μας αναλύει τα δεδομένα του ασθενούς και πραγματοποιεί τους υπολογισμούς του βασισμένος στα γεγονότα. Το αποτέλεσμα είναι μια πολύ πιο ακριβής πρόβλεψη της ημερομηνίας θανάτου που θα επιτρέψει στον ασθενή και την οικογένεια του να οργανωθούν καλύτερα.
Ο αλγόριθμος του Stanford έχει εκπαιδευτεί χρησιμοποιώντας τα δεδομένα από περισσότερες από 2 εκατομμύρια περιπτώσεις ασθενών. Η ανάλυση της κατάστασης του ασθενούς γίνεται βρίσκοντας συγκεκριμένα μοτίβα σε αυτήν τη βάση δεδομένων, έτσι ώστε να βγει το τελικό πόρισμα. Όπως σημειώνουν οι ερευνητές, στις περιπτώσεις όπου οι ασθενείς αναμένεται ούτως ή άλλως να ζήσουν λιγότερο από 12 μήνες, το σύστημα προβλέπει την ακριβή ημερομηνία με επιτυχία 90%!
Έλληνες έφτιαξαν λογισμικό για τυφλούς μαθηματικούς
Όσοι θέλετε να εμβαθύνετε περισσότερο στην έρευνα μπορείτε να διαβάσετε το σχετικό paper με τίτλο “Improving Palliative Care with Deep Learning” από εδώ.
