پیش‌بینی حال بیمار با رایانه

در بیمارستان‌های اروپایی و آمریکایی وقتی یکی از عوامل اجرایی جمله «کد آبی!» را فریاد می‌زند، به این معناست که یکی از بیماران در اسرع‌وقت به فوریت‌های پزشکی نیاز دارد. حال با استفاده از راه‌حل جدید چهار ساعت پیش از آن‌که وضع بیمار به مرحله بحرانی برسد می‌توان این موضوع را تشخیص کرد.

کد خبر: ۷۰۷۶۰۱

جام‌جم‌سرا: وضع اورژانسی و بحرانی عموما به زمان‌هایی اطلاق میشود که بیمار دچار حمله قلبی یا ایست تنفسی می‌شود و در میان مرگ و زندگی دست و پا می‌زند.

پزشکان در این شرایط از کارت‌هایی استفاده می‌کنند که در آنها علائم حیاتی بیمار نظیر ضربان قلب، فشار خون و دمای عمومی بدن را به‌صورت طبقه‌بندی‌شده نوشته‌اند. با استفاده از اطلاعات دقیق هر بیمار، بیمارستان‌ها می‌توانند آمار ایست تنفسی و زمان تلف‌شده توسط پزشکان متخصص را تا حد زیادی کاهش دهند.

این موضوع دستمایه پژوهش اسریرام سومانچی، از دانشگاه کارنگی ملون آمریکا، به همراه گروه تحقیقاتی تحت نظارت وی قرار گرفت تا روی این تمرکز کنند که آیا می‌توان با استفاده از رایانه چنین شرایط بحرانی را چند ساعت قبل از وقوع پیش‌بینی کرد یا خیر؟

به نظر سومانچی یکی از وظایف اساسی که در این طرح تعریف شده، این است که کارشناسان و محققان فعال در آن بتوانند شرایط بیمارانی را که به چنین وضع بحرانی می‌رسند از قبل بررسی کنند و بر اساس آن به الگویی جامع دست یابند.

به همین سبب، محققان با استفاده از آمار به‌دست‌آمده از 133 هزار بیمار در موسسه سلامت نورت‌شور(North Shore) واقع در شهر شیکاگو که با تمایل خود حاضر به مشارکت در این طرح شده بودند، موفق به توسعه یک الگوریتم یادگیری ماشینی شدند. رایانه با استفاده از این الگوریتم می‌تواند بر اساس آمار موجود در پایگاه داده، وضع بیماران را در چند ساعت آینده پیش‌بینی کند؛ فرآیند اصلی این طرح طی یک بازه زمانی پنجساله از سال 2006 تا 2011 میلادی انجام شده است.

در این بازه زمانی، پزشکان 815 بار وضع بحرانی اعلام کردند. با در نظر گرفتن 72 مولفه در پرونده بیماران (که از جمله آنها می‌توان به علایم حیاتی، سن، میزان قند خون و تعداد پلاکت اشاره کرد) این سامانه قادر بوده تا در بسیاری از مواقع هشدارهای لازم را از چهار ساعت قبل از وقوع ایست تنفسی اعلام و پزشکان را از این موضوع آگاه کند. نکته جالب در این بین، پیش‌بینی مواردی است که سامانه در آنها درست عمل کرده است. به‌طور میانگین با استفاده از این سامانه دو سوم هشدارهایی که اعلام شده کاملا صحیح بوده است. جالب است بدانیم با استفاده از کارت‌های رایج که پزشکان تاکنون به کار می‌برده‌اند، این پیش‌بینی فقط در مورد 30 درصد از بیماران موفق ظاهر شده و حال، این میزان به بیش از دو برابر افزایش یافته است.

دکتر پیتر دونان از دانشگاه داندی (Dundee) انگلستان معتقد است که استفاده از این سامانه تنها در مواقعی می‌تواند کاربردی باشد که بیمارستان‌ها بتوانند به‌صورت منظم به جمع‌آوری تمام اطلاعات مورد نیاز از بیماران خود دست بزنند. در صورتی که مراکز درمانی نتوانند اطلاعات صحیحی به این سامانه انتقال دهند، نخواهند توانست از نتایج به‌دست‌آمده از این سامانه رایانه‌ای حداکثر استفاده را ببرند.

الگوریتم مذکور اکنون از برخی جهات نیازمند بهینه‌سازی‌های اساسی است. طبق اظهارات سومانچی، 20 درصد از نتایجی که این سامانه تولید می‌کند غلط است و از این جهت می‌بایست این میزان تا حد ممکن کاهش یابد. برای بهبود عملکرد کلی سامانه پیش‌بینی شرایط بحرانی بیمار، تیم توسعه‌دهنده آن در نظر دارد اطلاعات بیشتری از بیمارستان‌های مختلف به آن بیفزاید. قرار است این سامانه ماه جاری در گردهمایی دانش‌افزایی و داده‌کاوی (Knowledge Discovery and Data Mining) که در شهر نیویورک برگزار می‌شود به‌طور رسمی معرفی شود. (ضمیمه سیب)