آوردن قدرت هوش مصنوعی به بیمارستان برای کمک به نظارت بر سلامت و رفاه پزشکان

به گزارش سیناپرس، اما او تنها نگران بیماران نیست، بلکه در حال توسعه فناوری برای کمک به نظارت بر سلامت و رفاه پزشکان است.
آزمایشگاه Lu دو مقاله را در کنفرانس ACM SIGKDD امسال در مورد کشف دانش و داده کاوی ارائه کرد، که هر دو روش‌های جدیدی را که تیم او – با همکاران دانشکده پزشکی دانشگاه واشنگتن – برای بهبود نتایج سلامت با وارد کردن یادگیری عمیق در مراقبت‌های بالینی ایجاد کرده است، ارائه می‌کند.
برای مراقبین، لو به فرسودگی شغلی و چگونگی پیش بینی آن قبل از بروز آن توجه کرد. گزارش‌های فعالیت نحوه تعامل پزشکان با پرونده‌های سلامت الکترونیکی، حجم عظیمی از داده‌ها را در اختیار محققان قرار می‌دهد. آن‌ها این داده‌ها را به چارچوب یادگیری ماشینی که توسط لو و تیمش توسعه داده شده بود – پیش‌بینی فرسودگی سلسله مراتبی بر اساس گزارش‌های فعالیت (HiPAL) – وارد کردند و توانست الگوهای معنی‌داری از حجم کار را برون‌یابی کند و فرسودگی شغلی را از این داده‌ها به شیوه‌ای بدون مزاحم و خودکار پیش‌بینی کند.
وقتی صحبت از مراقبت از بیمار به میان می آید، پزشکان در اتاق عمل مقادیر قابل توجهی از داده ها را در مورد بیماران خود، هم در حین مراقبت قبل از عمل و هم در حین جراحی جمع آوری می کنند – داده هایی که لو و همکاران فکر می کردند می توانند با رویکرد یادگیری عمیق لو از آنها به خوبی استفاده کنند.
با استفاده از الگوریتم‌های جدید طراحی‌شده توسط آزمایشگاه لو، آن‌ها توانستند پیش‌بینی کنند چه کسی برای مدت طولانی‌تری تحت عمل جراحی قرار می‌گیرد و چه کسانی احتمال بیشتری برای ابتلا به هذیان پس از جراحی دارند. این مدل توانست صدها متغیر بالینی را تنها به 10 متغیر تبدیل کند، که مدل از آنها برای پیش‌بینی دقیق و قابل تفسیر در مورد نتایجی که نسبت به روش‌های فعلی برتر بودند استفاده می‌کرد.
لو و همکاران بین رشته‌ای او به اعتبارسنجی هر دو مدل ادامه خواهند داد، امیدواریم که هر دو قدرت هوش مصنوعی را در بیمارستان‌ها بیاورند.
این تحقیق در مجموعه مقالات بیست و هشتمین کنفرانس ACM SIGKDD در زمینه کشف دانش و داده کاوی منتشر شد.
منبع: medicalxpress.com
مترجم: کیانوش کرمی