نوشته شانیا کندی
– محققان دانشگاه کالیفرنیا، لس آنجلس (UCLA) و دانشگاه کالیفرنیا، ایروین (UCI) مخزنی از داده های نتایج جراحی را برای کمک به جامعه تحقیقاتی پزشکی در ساخت الگوریتم های هوش مصنوعی جدید (AI) و بهبود نتایج بیماران ایجاد کرده اند.
این پایگاه داده که به عنوان مخزن حیاتی و رویدادهای اتاق عمل انفورماتیک پزشکی (MOVER) شناخته می شود، از پرونده های سلامت الکترونیکی (EHRs) و شکل موج های فیزیولوژیکی با وفاداری بالا تشکیل شده است – داده هایی از مانیتورهایی که فیزیولوژی بیمار را در زمان واقعی یا دقیقه به دقیقه اندازه گیری می کنند. در طی یک روش پزشکی – از حدود 59000 بیمار که تحت 83500 عمل جراحی قرار گرفتند.
به طور خاص، مخزن حاوی اطلاعاتی در مورد تاریخچه پزشکی و جراحی هر بیمار، از جمله نوع روش است. داروها، خطوط یا درن های مورد استفاده در حین جراحی؛ و هرگونه عارضه بعد از عمل این داده‌ها ممکن است حاوی بینش‌هایی در مورد پیامدهای بیمار باشد که اگر در مدل‌های هوش مصنوعی گنجانده شود، می‌تواند مفید باشد.
ماکسیم کانسون، MD، PhD، استاد و رئیس بیهوشی و پزشکی بعد از عمل در دانشکده پزشکی دیوید گفن در UCLA، توضیح داد: «این اطلاعات واقعاً اطلاعاتی است که پزشکان و تیم مراقبت از آن برای تصمیم‌گیری بالینی در شرایط مراقبت حاد استفاده می‌کنند». در بیانیه مطبوعاتی قبل از این هیچ مخزن واحدی وجود نداشت که در آن حجم بسیار بسیار زیادی از داده‌ها که شامل شکل‌های موج فیزیولوژیکی باشد در دسترس محققان باشد.
این مخزن از سال 2012 در حال پیشرفت بوده است و تیم تحقیقاتی تاکید کردند که این پروژه برای پر کردن شکاف در تحقیقات جراحی بعد از عمل انجام شده است. محققان خاطرنشان کردند که پایگاه‌های اطلاعاتی موجود در دسترس عموم که حاوی نتایج جراحی هستند، محدود هستند.
“ما انتظار داریم [MOVER] کانسون گفت: برای کمک به جامعه تحقیقاتی برای توسعه الگوریتم‌های جدید، ابزارهای پیش‌بینی جدید، برای بهبود مراقبت از بیماران جراحی در سطح جهانی. “این اولین بار است که پایگاه داده جراحی مانند این منتشر شده است. این طیف بسیار وسیعی از جراحی ها است.»
در حرکت رو به جلو، تیم تحقیقاتی قصد دارد مجموعه داده را به اشتراک بگذارد، که در دسترس محققانی است که قرارداد استفاده از داده ها (DUA) را امضا می کنند. علاوه بر این، UCLA بخشی از ابتکار «پلی به هوش مصنوعی» مؤسسه ملی بهداشت (NIH) است که بر اساس آن داده‌های MOVER در موسسات مختلف به منظور ایجاد یک مخزن بزرگ‌تر استاندارد می‌شوند.
تیم تحقیقاتی همچنین تاکید کرد که حفظ حریم خصوصی و شفافیت ملاحظات کلیدی برای توسعه و رشد مخزن است.
کانسون خاطرنشان کرد: «حریم خصوصی بیمار در خط مقدم توسعه MOVER بوده است. “این از طریق بسیاری از شناسایی هویت… هیچ شناسه بیمار، هیچ تاریخ جراحی وجود دارد. بیماران بالای 90 سال سن آنها در دسترس نیست. بنابراین برای اطمینان از اینکه هیچ شناسه بیمار در دسترس نیست، شناسایی‌های زیادی انجام شده است.»
کانسون ادامه داد: “هدف در نهایت افزایش اعتماد پزشکان و بیماران به آنچه در آینده نزدیک خواهید دید – توسعه هر چه بیشتر مدل های مبتنی بر هوش مصنوعی، به ویژه برای محیط جراحی” است.
این تحقیق تنها یک تلاش برای پیشرفت هوش مصنوعی در مراقبت های بعد از عمل است.
در مصاحبه ای در ماه اوت با HealthITAnalyticsکارشناسان مایو کلینیک نحوه کار سیستم سلامت برای توسعه ابزارهای هوش مصنوعی برای نوآوری در زمینه پیوند اعضا، به ویژه در زمینه های جلوگیری از نیاز به پیوند، بهبود تطابق اهداکنندگان، افزایش تعداد اعضای قابل استفاده، جلوگیری از رد اعضا را به اشتراک گذاشتند. ، و پیشرفت مراقبت های پس از پیوند.