Web Analytics Made Easy - Statcounter

خبرگزاري آريا - يک سيستم هوش مصنوعي جديد که توسط دانشگاه استنفورد ساخته شده است، مي‌تواند زمان مرگ بيماران مبتلا به مريضي سخت را با 90 درصد دقت پيش‌بيني کرده و به بهبود مراقبت از زندگي بيماران کمک کند.
به گزارش گروه فضاي مجازيخبرگزاري ميزان، ممکن است اکنون «ماشين حساب مرگ» دانشگاه استنفورد بتواند با دقت به اين پرسش پاسخ دهد: «من چه زماني مي‌ميرم؟»
يک سيستم جديد يادگيري عميق هوش مصنوعي مي‌تواند در زمينه مراقبت تسکيني پيشرفت ايجاد کند.

بیشتر بخوانید: اخبار روز خبربان


«مراقبت تسکيني» (Palliative Care) بنا به تعريف سازمان بهداشت جهاني دربرگيرنده همه اقدامات فعال و کامل براي کاستن از رنج و درد و بهبود کيفيت زندگي در بيمار است.
اين روش در حالت عمده مختص بيماران مبتلا به يک بيماري خاص است که به درمان پاسخ نمي‌دهند و نتيجه مستقيم بيماري، مرگ است و تنها به آرام نمودن بيمار و کم کردن نشانه‌هاي بيماري در وي برمي‌گردد.
در کنار نام مراقبت تسکيني مي‌توان به داروهاي تسکيني اشاره کرد که دربرگيرنده تجويز دارو براي از بين بردن درد يا کاهش يک «سمپتوم» (نشانه بيماري) مي‌شود، براي مثال مي‌توان به دارودرماني در رفع تهوع پس از شيمي‌درماني يا حتي کاستن سمپتوم‌ها در آنفلوانزا اشاره نمود.
محققان دانشگاه استنفورد يک الگوريتم جديد هوش مصنوعي را آزمايش کرده‌اند که مي‌تواند به بيمارستان‌ ها کمک کند که مراقبت‌هاي تسکيني را براي بيماران سرطاني و بيماران مبتلا به بيماري‌هاي خاص و صعب العلاج بهبود بخشند.
الگوريتم مبتني بر يک دستگاه شبکه عصبي يادگيري عميق مي‌تواند پرونده‌هاي مهم پزشکي يا پرونده‌هاي بهداشت الکترونيکي ثبت شده بيماران مبتلا به بيماري حاد را تحليل مي‌کند تا نياز آنان به مراقبت تسکيني را مشخص کند.
اين الگوريتم مي‌تواند زمان مرگ بيماران را با دقت 3 تا 12 ماه پيش‌بيني کند و از اين پيش‌بيني براي مراجعه بيماران براي مراقبت تسکيني استفاده مي‌کند.
محققان مي‌گويند: پيش‌بيني‌هاي ما مي‌تواند تيم مراقبت تسکيني بيمارستان‌ها را در جهت رسيدگي موثر به چنين افرادي به جاي استفاده از درمان نافرجام پزشکان يا انجام بررسي‌هاي وقت‌گير براي همه بيماران به کار گيرند.
مطالعات قبلي نشان داد که تقريبا 80 درصد از آمريکايي‌ها مايل هستند روزهاي آخر عمر را در خانه بگذرانند اما تنها 20 درصد قادر به انجام اين کار هستند و بيش از نيمي از مرگ و مير بيماران در بيمارستان‌ ها و در بخش‌هاي مراقبت‌هاي ويژه اتفاق مي‌افتد.
در واقع بيماران مبتلا به بيماري حاد اغلب در طول روزهاي واپسين‌شان به جاي راحت گذاشته شدن، به شدت تحت مراقبت‌هاي ويژه بيهوده پزشکي قرار مي‌گيرند.
به اين دليل است که توانايي بيمارستان‌ها براي ارائه مراقبت‌هاي تسکيني در سال‌هاي اخير بهبود يافته است. با اين حال، مطالعه نشان مي‌دهد که تنها 7 تا 8 درصد از بيماران در واقع آن را دريافت مي‌کنند.
عواملي مانند فقدان متخصص مراقبت تسکيني از بيماران که تک تک داده‌هاي بيمار را تجزيه و تحليل کند، آگاهي بخشي به بيمار و اميد به زندگي موجب بروز اين مشکل شده است. اينجا جايي است که الگوريتم يادگيري عميق هوش مصنوعي وارد عمل مي‌شود.
«آناند آواتي» از دانشکده علوم کامپيوتر دانشگاه استنفورد مي‌گويد: ما مي‌توانيم يک مدل پيش‌بيني کننده را با استفاده از داده‌هاي عملياتي به طور منظم در محيط مراقبت‌هاي پزشکي ايجاد کنيم. مقياس داده‌هاي موجود به ما امکان داد تا مدل همه جانبه پيش‌بيني مرگ را بسازيم.
روش يادگيري که به عنوان الگوريتم يادگيري عميق شناخته مي‌شود از شبکه‌هاي عصبي براي فيلتر کردن و تجزيه و تحليل حجم زيادي از داده‌ها استفاده مي‌کند.
اين تحقيق پيش‌بيني مرگ و مير را با توجه به وجود نوعي بيماري، سن بيمار و ضرورت پذيرش در مقايسه با ديگران انجام مي‌دهد.
از داده‌هاي پرونده الکترونيک بيمار(EHR) از اولين تماس در سال قبل براي تعيين زمان مرگ آنها ظرف 12 ماه استفاده مي‌شود.
براي اين مطالعه، محققان دو ميليون پرونده بيماران بزرگسال و کودکاني که به بيمارستان استنفورد و بيمارستان کودکان «لوسيل پکارد» بستري شده بودند، بررسي کردند.
آنها 200 هزار بيمار مناسب براي مطالعه را شناسايي کردند. پرونده الکترونيک بيماران مذکور براي پيش‌بيني زمان مرگ به وسيله سيستم مورد تجزيه و تحليل قرار گرفت.
براي اين مطالعه آزمايشي، الگوريتم موظف بود زمان مرگ را در هر يک از 160 هزار بيمار طي 12 ماه از تاريخ داده شده پيش‌بيني کند.
اين مطالعه توانست سيستم را براي پيش‌بيني زمان مرگ بيماران طي 3 تا 12 ماه آينده آموزش دهد.
پس از آن اين الگوريتم، داده‌هاي 40 هزار بيمار باقي‌مانده را برآورد کرد و در 9 مورد از 10 مورد قادر به پيش‌بيني دقيق زمان مرگ آنها طي 3 تا 12 ماه بود.
اکثر بيماران با احتمال پايين مواجهه با مرگ در بررسي يک سال اخير، ارزيابي شدند.
«کن جونگ»، دانشمند علوم پزشکي و سرپرست مطالعه مي‌گويد: ما مي‌خواهيم مطمئن شويم که بيماران مبتلا به بيماري حاد و خانواده‌هايشان قبل از آن که دير شود، فرصتي براي گفتگو داشته باشند.
منبع: ايسنا
انتهاي پيام/
صرافی ارز دیجیتال

منبع: خبرگزاری آریا

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.aryanews.com دریافت کرده‌است، لذا منبع این خبر، وبسایت «خبرگزاری آریا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۱۶۸۰۰۵۳۸ را به همراه موضوع به شماره ۱۰۰۰۱۰۰۲۲۱۰۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

تعارض منافع در نظام آموزشی/ فساد سیستمی در کشور وجود ندارد

به گزارش خبرنگار مهر یوسف نوری، در نشست تخصصی رؤسای ادارات کارشناسان مسئولان و کارشناسان ارزیابی عملکرد قطب یک کشوری سلامت اداری را راهی برای مبارزه با فساد اداری دانست و افزود: سلامت اداری به مشروعیت بیشتر منجر می‌شود و یکی از نشانه‌های حکمرانی عقلانی است.

وی با اشاره به اهمیت سلامت اداری در رشد سازمانی، گفت: فساد گروهی و فساد سیستماتیک از انواع فساد است که باید با شفافیت با آن برخورد کرد. یکی از مثال‌های این برخورد شفاف، کشف و برخورد با فساد ۹۳ هزار میلیارد تومانی بود که مشخص شد مبلغ بیشتر آن یعنی حدود ۵۴ هزار میلیارد تومان بحث عدم نفع بوده نه فساد. یعنی فولاد را می توانستد با قیمت بالاتری بفروشند اما با دستور و صلاحدید دولت به مبلغ کمتری فروخته شد.

نوری با بیان اینکه به هیچ عنوان فساد سیستمی نداریم، افزود: بسیاری از همکاران و مشاوران ما خانه ندارند؛ مدیران سطح بالا در نظام آموزشی داریم که خانه نخریدند. این نشان می‌دهد فساد در کشور ما سیستمی نیست.

وی با بیان اینکه ما باید مدیریت هوشمندانه داشته باشیم، ادامه داد: گردش شغلی در بسیاری از موارد ضروری و مفید است. مهم‌ترین نکته در این مقوله این است که فرهنگ سازمانی را مجدداً بررسی کنیم. گاهی فرهنگ سازمانی مانع پیش بینی و درک نسل‌های جدید می‌شوند. در حالی که دانش آموزان نسل زد و بتا می آیند؛ ما هنوز در فکر آموزش به دانش آموزان نسل ایکس هستیم.

نوری با اذعان به اینکه در نظام آموزشی تعارض منافع داریم، گفت: در حالی که باید به سیستم‌های جدید آموزشی به روز باشیم هنوز درگیر اداره بوفه‌های مدارس هستیم. بسیاری از افرادی که به بدنه نظام آموزشی کشور تزریق شدند در رشته‌هایی تحصیل کردند که ارتباطی با نظام آموزشی کشور ندارد

کد خبر 5644202 علی قدمی

دیگر خبرها

  • آمار تاریخی پاس های سالم رودریگو دی پل در تیم ملی آرژانتین
  • بسیاری از همکاران ما خانه ندارند / در نظام آموزشی تعارض منافع داریم
  • پیام وزیر بهداشت به مناسبت روزپرستار
  • تعارض منافع در نظام آموزشی/ فساد سیستمی در کشور وجود ندارد
  • اعمال محدودیت تردد کامیون ها در معابر شهری کرمانشاه
  • شناسایی ۴۲ بیمار جدید کرونا در کشور
  • سربازان خط مقدم جبهه سلامتی درگیر ویروس بی حمایتی هستند/ اجرای نامناسب طرح تعرفه گذاری پرستاران
  • اهم فعالیت های معاونت پرستاری در دولت سیزدهم تشریح شد
  • می خواهیم بودجه تعرفه های پرستاری در سرانه ۱۴۰۲ تخصیص یابد
  • اهم فعالیت‌های معاونت پرستاری در دولت سیزدهم تشریح شد