چگونه بیمارستانها از هوش مصنوعی در بخش مراقبتهای ویژه برای نجات جان بیماران استفاده میکنند

امروزه هوش مصنوعی از تفسیر یک اسکن CT تا تشخیص بیماریهای چشمی در همه حوزههای پزشکی حضور دارد و همانند یک متخصص آموزش دیده در کنار پزشکان انسانی است.
دستاوردهای هوش مصنوعی در پزشکی بسیار گسترده است و در برخی موارد نتیجه کار بهتر و دقیقتر از نمونههای انسانی است. گاهی یک الگوریتم هوش مصنوعی آموزش دیده چند ماهه بهتر از یک متخصص یا پروفسور مجرب چند ده ساله عمل میکند.
اکنون، بیمارستانها از هوش مصنوعی در بخش مراقبتهای ویژه استفاده میکنند. جایی که بیمارانی دارای وضع وخیمتر زیر نظر پزشکان و دستگاههای مختلف تحت درمان هستند.
پزشکان ترجیح میدهند از سیستمهای جدید هوش مصنوعی برای مراقبت از بیماران وخیم خود استفاده کنند چون این سیستمها میتوانند اطلاعات وسیعی از بیمار آیسییو جمعآوری و گزارش کنند. گاهی اوقات این اطلاعات مرگ و زندگی بیمار را تعیین میکنند.
پیتر لاوسن، رئیس بخش مراقبتهای ویژه در بیمارستان کودکان تورنتو میگوید: «مراقبتهای ویژه یک خط اتصالی میان انسان و فناوری است. در آیسییو با جریانی از اطلاعات پیرامون بیمار روبرو هستیم. از فشار خون و ضربان قلب تا میزان اکسیژن و سایر نشانههای حیاتی که باید ثبت و رصد شوند.»
لاوسن در کمیته اجرایی هوش مصنوعی بیمارستان عضو است و اعتقاد دارد هنوز در مرحله اولیهای از بهکارگیری هوش مصنوعی برای مراقبتهای ویژه از بیماران خاص بستری شده در آیسییو هستند. تا کنون چندین سیستم هوش مصنوعی پیشنهاد شده که غالبا نتایج مثبتی به همراه داشتند.
نتایج شگفتانگیز سیستمهای هوش مصنوعی
محققان در فاصله سالهای ۲۰۱۲ تا ۲۰۱۴ روی توسعه یک سیستم هوشمند رکورد الکترونیکی پزشکی کار کردند. این سیستم میتوانست ۱۵ تخت آیسییو را زیر نظر بگیرد و علایم حیاتی بیماران را گزارش کند.
نتایج استفاده از این سیستم هوش مصنوعی باورنکردنی بود. تعداد مرگ بیماران به نصف کاهش پیدا کرد. در برخی موارد، این سیستم دقیقا گزارشی به پزشکان میداد که برای نجات جان بیمار نیاز بود. هوش مصنوعی به موقع گزارش میداد پیش از اینکه زمان از دست برود و دیگر نشود برای بیمار کاری کرد.
در سال ۲۰۱۶ هم محققان دانشگاه سان فرانسیسکو سیستم جدیدی برای استفاده از هوش مصنوعی در تشخیص عفونتهای خونی مرگبار طراحی کردند. میزان مرگ و میر بیماران با این سیستم بیش از ۱۲ درصد کاهش پیدا کرد و ۵۸ درصد بیماران بستری در آیسییو از مرگ نجات یافتند.
این سیستمها علاوه بر اینکه جان بیماران را نجات میدهند؛ سرعت بهبودی آنها را هم بیشتر کرده و به طور متوسط سه روز زودتر از حالت عادی از بخش آیسییو مرخص شدند.
در دو سال گذشته هم دانشگاههای دوک و جان هاپکینز، سیستمهای هوش مصنوعی مشابهی را برای تشخیص وضعیت وخیم بیماران تحت مراقبتهای ویژه آزمایش کردند.
غالب این سیستمها بیسروصدا راهاندازی شده و با استفاده از مانیتورها، کامپیوترها، سنسورها و ابزارهای دیگر، علایم حیاتی بیماران را ردگیری کرده و به پزشکان نشان میدهند.
بیمارستان تمایل زیادی به استفاده از این سیستمها دارند چون سرعت بهبود بیماری افزایش پیدا میکند و در زمان صرفهجویی میشود.
سیستمهای هوش مصنوعی در ۷۵ درصد اوقات میتوانند زودتر از حالت عادی وقوع یک وضعیت خطرناک برای بیمار را تشخیص داده و بیماران را نجات دهند. مثلا کافی است در برخی بیماریها، هوش مصنوعی ۵ دقیقه زودتر وضعیت ناپایدار بیمار را گزارش کند تا او از مرگ نجات یابد.
اطلاعات و هشدارهای واقعی
سیستمهای هوش مصنوعی مراقبت از بیمار فقط برای نجات جان بیماران و افزایش سرعت درمان و بهبود بیماری آنها نیست؛ بلکه برای پزشکان و پرستاران هم مفید بودهاند.
یکی از مشکلات بزرگ بخش مراقبتهای ویژه در هر بیمارستانی، زنگهای هشدار اشتباه یا مثبت کاذب است. در یک ICU سنتی هر ۹۰ ثانیه یک بار زنگ هشدار وضعیت خطرناک برای یک بیمار به صدا درمیآید که دو سوم آنها هشدارهای اشتباهی هستند.
برخی اوقات پزشکان و پرستاران بدون توجه به این هشدارها، آنها را خاموش میکنند چون از این هشدارهای اشتباهی خسته شدهاند ولی گزارش سال ۲۰۱۱ موسسه FDA امریکا نشان میدهد در حد فاصله سالهای ۲۰۰۵ تا ۲۰۰۸ بیش از ۵۰۰ بیمار به علت بیتوجهی به زنگ هشدار فوت شدند.
سیستمهای هوشمند هوش مصنوعی اطلاعات دقیقی از بیمار و علایم حیاتی آن به دست آورده و با دقت بالایی به پزشکان و پرستاران هشدار میدهند. این سیستمها میتوانند چندین نوع هشدار و پیام متنی را ارسال کنند و براساس اولویت یک هشدار بفرستند.
این سیستمها به طور محسوسی باعث کاهش هشدارهای اشتباهی و مثبت کاذب میشوند و پرستاران با آنها راحتتر و دقیقتر هستند. وقتی یک هشدار صادر میشود؛ مطمئن هستند بیمار به کمک نیاز دارد و هشداری اشتباهی نیست.
یادگیری از تجربه
غالب این سیستمهای هوش مصنوعی مبتنی بر یادگیری ماشینی هستند. این الگوریتمهای یادگیری ماشینی علاوه بر اینکه آموزش دیده هستند ولی به اندکی دخالت و تصمیمگیری انسانی نیاز دارند.
در بخشهای آیسییو، این سیستمها به طور مرتب از جریان اطلاعات حاصله از علایم حیاتی و پروندههای پزشکی الکترونیکی بیمار آموزش میبینند و با تجربهتر میشوند. مرحله به مرحله دقیقتر، هوشمندتر و با تمرکز بیشتر کار میکنند و درصد خطای خود را کاهش میدهند.
این سیستمها روی هزاران پرونده پزشکی الکترونیکی کار کرده و از اطلاعات آنها برای افزایش تجربه استفاده میکنند. برخی از این سیستمها همانند یک متخصص با تجربه ۱۰۰ ساله هستند و در این حد اطلاعات دارند.
اینگونه است که میتوانند بهتر از مجربترین متخصصهای هر بیمارستان به داد بیماران برسند و آنها را از مرگ نجات دهند.