اپلیکیشن هوش مصنوعی جدید، پزشکان را در تشخیص موارد اورژانسی کودکان یاری میکند
پژوهشگران کره جنوبی در حال توسعه یک اپلیکیشن مبتنی بر هوش مصنوعی هستند که با هدف کمک به کادر درمان در تشخیص نیاز کودکان به مراقبتهای اورژانسی طراحی شده است. این سامانه با تحلیل یادداشتهای بالینی ثبتشده پیش از آماده شدن نتایج آزمایشها و تصویربرداری، از تصمیمگیری سریعتر و دقیقتر در بخشهای اورژانس اطفال پشتیبانی میکند.
به گزارش مدرن مد به نقل از digitalhealthnews، این پروژه با همکاری پژوهشگران بیمارستان Seoul St. Mary’s Hospital، Korea University، Asan Medical Center و شرکت هوش مصنوعی پزشکی VUNO در حال اجراست. هدف اصلی این طرح، مقابله با چالشهای مزمنی مانند ازدحام در بخشهای اورژانس و کمبود متخصصان اطفال عنوان شده است.
برخلاف سامانههای متداول تریاژ که عمدتاً بر دادههای ساختاریافته بیماران تکیه دارند، این مدل از فناوری پردازش زبان طبیعی (NLP) برای تحلیل علائم، شرح حال و جزئیات درمان ثبتشده در پروندههای الکترونیک سلامت بهصورت متن آزاد استفاده میکند. تمرکز پژوهشگران بر اطلاعاتی بوده است که در همان ارزیابی اولیه بیمار و پیش از دریافت نتایج آزمایشگاهی در دسترس پزشکان قرار دارد.
برای توسعه این مدل، دادههای پرونده الکترونیک سلامت ۸۷ هزار و ۷۵۹ بیمار زیر ۱۸ سال که بین سالهای ۲۰۱۲ تا ۲۰۲۱ به بخش اورژانس اطفال یک بیمارستان سطح سوم مراجعه کرده بودند، مورد بررسی قرار گرفت. در این مطالعه، بیماران بر اساس سطح خدمات درمانی مورد نیاز دستهبندی شدند، نه بر مبنای سیستم پنجسطحی تریاژ کره (KTAS). موارد اورژانسی شامل کودکانی بود که به آزمایشهای تشخیصی، درمان وریدی، درمان استنشاقی، داروهای اورژانسی یا بستری در بیمارستان نیاز داشتند.
مدل هوش مصنوعی با استفاده از Korean Medical-BERT، نسخه پزشکی و کرهای مدل زبانی Google BERT، توسعه یافت و سپس با بهرهگیری از یادداشتهای بالینی و روش پیشآموزش «مدل زبانی ماسکشده» آموزش داده شد.
بر اساس نتایج منتشرشده در مجله Scientific Reports، این مدل به AUROC معادل ۸۴ درصد و AUPRC معادل ۸۸ درصد دست یافت و عملکردی بهتر از سایر مدلهای یادگیری ماشین ارزیابیشده در این پژوهش از خود نشان داد. همچنین دقت پیشبینی آن از سیستم KTAS نیز بیشتر گزارش شده است؛ موضوعی که پژوهشگران آن را ناشی از تأثیرپذیری این سیستم از قضاوت ارزیابان و استفاده از دستهبندیهای نسبتاً کلی شدت بیماری میدانند.
تیم تحقیقاتی در حال تبدیل این مدل به یک اپلیکیشن تلفن همراه است تا پزشکان بتوانند در زمان واقعی، پیشبینیهای مبتنی بر هوش مصنوعی را برای تصمیمگیری در مورد بیماران اورژانسی دریافت کنند. همچنین برنامهریزی برای انجام مطالعات اعتبارسنجی چندمرکزی با استفاده از دادههای مستقل، از جمله اطلاعات مربوط به دوران پس از همهگیری COVID-19، در دستور کار قرار دارد تا کارایی این سامانه در محیطهای درمانی مختلف ارزیابی شود.
