نماد سایت خبرگزاری سیناپرس

هوش مصنوعی خطر لخته شدن خون را پیش بینی می کند

به گزارش سیناپرس همدان، ابزار هوش مصنوعی (AI) که در مرکز پزشکی دانشگاه واندربیلت توسعه یافته است، در یک کارآزمایی بالینی، کودکان بیمار در معرض خطر بالای لخته شدن خون را به دقت شناسایی کرد. محققان این دست آورد را در JAMA Network Open گزارش کردند، با این حال، تفاوتی در نتایج در مقایسه با گروه کنترل وجود نداشت.

یکی از دلایلی که ممکن است رخ داده باشد این بود که توصیه برای شروع درمان رقیق کننده خون در این بیماران توسط پزشکان کمتر از 26 درصد موارد موفق بود. پزشکان معالج ابراز نگرانی کردند که این درمان ممکن است باعث خونریزی شدید شود، اگرچه این عارضه در طول مطالعه مشاهده نشد.

اگرچه نتیجه شگفت‌انگیز بود، اما محققان گفتند کارآزمایی بالینی به نام CLOT (احتمال ترومبوز در کودکان)، ایمنی و اثربخشی این ابزار را در یک محیط مراقبت‌های بهداشتی تأیید کرد و بینش‌های ارزشمندی را در مورد نحوه ترکیب موفقیت‌آمیز آن در عمل بالینی ارائه کرد.

واکر، استادیار پاتولوژی، میکروبیولوژی و ایمونولوژی و اطفال، و نویسنده اول مقاله گفت: هوش مصنوعی کاربرد های روز افزونی در مراقبت های بهداشتی خواهد داشت. داشتن سیستمی که در آن بتوانیم این (مدل ها) را ارزیابی کنیم به ما این امکان را می دهد که مراقبت های ایمن تر و موثرتری را برای بیماران خود ارائه دهیم.

یکی دیگر از نویسندگان، دانیل برن، مدیر تحقیقات هوش مصنوعی در آزمایشگاه هوش مصنوعی پیشرفته Vanderbilt (AVAIL) و بخش آمار زیستی اضافه کرد: این مطالعه نشان می‌دهد که یک کارآزمایی تصادفی‌شده و کنترل‌شده عمل‌گرایانه در سطح بیمار، اخلاقی‌ترین و مؤثرترین راه برای ارزیابی ایمن و مؤثر بودن ابزارهای هوش مصنوعی است.

اگرچه نادر است، لخته‌های خونی که در اطفال ایجاد می‌شود، می‌تواند بستری در بیمارستان را طولانی‌تر کند و خطر عوارض پس از ترخیص و مرگ را افزایش دهد.

واکر، بیرن و همکارانشان برای شناسایی افراد در معرض خطر، سوابق پزشکی الکترونیکی بیش از 110000 کودک بستری در بیمارستان کودکان مونرو کارل جونیور در واندربیلت را بررسی کردند.

آنها 11 عامل مرتبط با خطر لخته شدن خون را شناسایی کردند، از جمله مقادیر خاص آزمایشگاهی و تشخیص، و اینکه آیا بیمار تحت عمل جراحی قرار گرفته یا مشکلات قلبی یا بیماری های عفونی داشته است.

با استفاده از این اطلاعات، آنها یک مدل پیش بینی ایجاد کردند که با اسکن پرونده پزشکی به طور خودکار، یک امتیاز خطر را روزانه برای هر بستری در بیمارستان کودکان محاسبه می کرد. واکر می‌گوید: این به ما این امکان را داد که به سرعت بیش از 100 بیمار را در روز بررسی کنیم و بر بیمارانی تمرکز کنیم که بیشترین احتمال ابتلا به لخته‌های خون را داشتند.

این کارآزمایی که به مدت 15 ماه از نوامبر 2020 تا ژانویه 2022 ادامه داشت، شامل بررسی 17000 کودک بستری در بیمارستان بود. بیماران به طور تصادفی به دو گروه تقسیم شدند. نمرات خطر برای گروه مورد مطالعه با تیم های درمانی آنها به اشتراک گذاشته شد.

در گروه مورد مطالعه، نمرات بیماران در معرض خطر با توصیه هایی برای شروع درمان ضد ترومبولیتیک برای جلوگیری از ایجاد لخته خون همراه بود. بیماران گروه کنترل که توسط پزشک معالج خود بدون تکیه بر امتیاز خطر ایجاد شده به طور خودکار به عنوان پرخطر شناسایی شده بودند، رقیق کننده های خون نیز دریافت کردند. طبق توصیه های مطالعه، هیچ عارضه خونریزی در هیچ یک از بیماران دریافت کننده داروهای رقیق کننده خون مشاهده نشد.

در پایان کارآزمایی، محققان هیچ تفاوتی در میزان لخته شدن خون بین گروه مورد مطالعه و گروه کنترل پیدا نکردند. تجزیه و تحلیل سوابق پزشکی نشان داد که توصیه برای شروع استفاده از رقیق‌کننده‌های خون در بیماران پرخطر در گروه مورد مطالعه تنها در 25.8 درصد موارد دنبال می‌شد.

واکر گفت: بدون انجام کارآزمایی، شناسایی دلایل بالقوه ناموفق بودن مداخله غیرممکن بود. او افزود که این یک مدل شکست خورده نبود، اما می‌توانست به دلیل عدم تمایل به پذیرش توصیه‌های پزشکان این اتفاق افتاده باشد.

منبع: Vanderbilt University Medical Center

مترجم: کیانوش کرمی

خروج از نسخه موبایل