در دانشگاه ام.آی.تی صورت گرفت
درمان بیماران بخش اورژانس با كمك یادگیری ماشینی
شاه بلاگ: پژوهشگران دانشگاه ˮام.آی.تیˮ، نوعی سیستم یادگیری ماشینی ابداع نموده اند كه می تواند به پزشكان در درمان بیماران بخش اورژانس كمك نماید.
به گزارش شاه بلاگ به نقل از ایسنا و به نقل از ام.آی.تی نیوز، پژوهشگران، یك سیستم یادگیری ماشینی ابداع نموده اند كه می تواند پزشكان را در تصمیم گیری برای درمان بیماران مبتلا به "گندخونی" یا " سپتیسمی"(sepsis) در بخش اورژانس یاری دهد. این سیستم، به پزشكان كمك می نماید داروهای نجات بخش را برای درمان این بیماران انتخاب كنند.
سپتیسمی، یكی از متداول ترین دلایل مرگ در واحد مراقبت های ویژه است. بیشتر این بیماران، ابتدا به بخش اورژانس رجوع می كنند و درمان این مشكل، با آنتی بیوتیك ها و مایعات وریدی آغاز می گردد. اگر واكنش بیمار به این درمان ها خوب نباشد، دچار شوك عفونی و افت خطرناك فشار خون می گردد. اغلب در چنین شرایطی، بیمار را به بخش ICU منتقل می كنند تا افت فشار درمان گردد.
در هر حال امكان دارد به كار بردن بیش از اندازه مایعات، كارآمد نباشد و حتی باعث صدمه به اندام های بدن شود. در واقع، شاید مصرف بیش از اندازه این مایعات برای بیماران، امكان مرگ آنها در اثر شوك عفونی را افزایش دهد. پزشكان برای انتقال كافی دارو، باید فشار خون و نشانه های دیگر را در بیمار بررسی كنند.
پژوهشگران دانشگاه "ام.آی.تی"(MIT) و "بیمارستان عمومی ماساچوست"(MGH)، یك مدل یادگیری ماشینی ابداع نموده اند كه می توان داده های مربوط به سلامت بیماران را به آن عرضه داد تا نیاز یا عدم نیاز بیمار به دارو را تا چند ساعت آینده بررسی كند.
این گروه پژوهشی برای آزمایش ایده خود، مجموعه داده های مربوط به بیماران مبتلا به سپتیسمی را مورد بررسی قرار دادند. این سیستم، خصوصیت های به دست آمده را در بیماران جدید هم بررسی كرد تا الگوهای حاكی از بیماری را در شخص جستجو كند و ضرورت تزریق دارو را تشخیص دهد. در نهایت، مدل یادگیری ماشینی توانست در 80 درصد موارد، نیاز بیماران به دارو را درست پیش بینی نماید.
" وارش پراساد"(Varesh Prasad)، نویسنده ارشد این پژوهش اظهار داشت: این مدل، نشانه های حیاتی كنونی بیمار را بررسی می كند و نیاز یا عدم نیاز او به دارو را تشخیص می دهد.
مقاله این پژوهش، در هفته جاری در "نشست سالانه انجمن متخصصان علوم پزشكی آمریكا" (AMIA) عرضه خواهد شد.
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب