خبرخوان جام نیوز
|
دوشنبه ۲۸ آبان ۱۳۹۷ الاثنين ١٠ ربيع الأوّل ١٤٤٠ Monday, November 19, 2018
 
کد خبر: 872172
نظرات: 0
تاریخ مخابره : ۱۳۹۶/۱۱/۷ - ۱۵:۳۵
پیش‌بینی دقیق زمان مرگ امکانپذیرشد
ماشين‌حساب مرگ دانشگاه استنفورد اكنون به اندازه‌اي دقيق شده‌است كه بتواند پاسخ اين پرسش را به درستي بدهد: من كي مي‌ميرم؟
مرگ پیش‌بینی دقیق زمان مرگ امکانپذیرشد
به این مطلب امتیاز دهید
0% 0% بازدید

به گزارش سرویس گوناگون جام نیـوز،  سیستم جدید هوش مصنوعی که توسط دانشگاه استنفورد ابداع شده است، می‌تواند زمان مرگ بیماران مبتلا به مریضی‌های سخت نظیر سرطان را با دقت ۹۰ درصدی پیش‌بینی کرده و به بهبود مراقبت و درمان آنها کمک کند.این سیستم جدید یادگیری عمیق هوش مصنوعی می‌تواند در زمینه “مراقبت تسکینی” بیماران تحول ایجاد کند. مراقبت تسکینی یا Palliative Care به تعریف سازمان بهداشت جهانی دربرگیرنده همه اقدامات فعالانه و کامل برای کاستن از رنج و درد و بهبود کیفیت زندگی در بیمار است.

این روش در حالت عمومی مختص بیماران مبتلا به نوعی بیماری خاص است که بدن آنها نسبت به درمان پاسخ نمی‌دهند و نتیجه نهایی بیماری، مرگ است و تنها بر آرام نمودن بیمار و کم کردن نشانه‌های بیماری متمرکز است.

 

 

در کنار نام مراقبت تسکینی می‌توان به داروهای تسکینی اشاره کرد که دربرگیرنده تجویز دارو برای از بین بردن درد یا کاهش یک نشانه بیماری می‌شود، برای مثال می‌توان به دارودرمانی در رفع تهوع پس از شیمی‌درمانی یا حتی کاستن نشانه‌ها در آنفلوانزا اشاره کرد.

اکنون دانشمندان در دانشگاه استنفورد یک الگوریتم جدید هوش مصنوعی را مورد آزمایش قرار داده‌اند که می‌تواند به بهبود مراقبت‌های تسکیلی بیماران سرطانی و افراد مبتلا به بیماری‌های خاص و صعب العلاج کمک کند. این الگوریتم مبتنی بر یک شبکه عصبی یادگیری عمیق است و می‌تواند پرونده‌های مهم پزشکی یا پرونده‌های بهداشت الکترونیکی ثبت شده بیماران مبتلا به بیماری سخت را تحلیل کرده و نیاز آنان به مراقبت تسکینی را مشخص کند.

این الگوریتم می‌تواند زمان مرگ بیماران را با دقت ۳ تا ۱۲ ماه پیش‌بینی کند و از این پیش‌بینی برای مراجعه بیماران برای مراقبت تسکینی استفاده می‌کند.

 

 

نظرسنجی‌های پیشین نشان داده‌اند که تقریبا ۸۰ درصد از آمریکایی‌ها مایلند روزهای آخر عمر خود را در خانه بگذرانند، اما تنها ۲۰ درصد قادر به انجام این کار هستند و بیش از نیمی از مرگ و میر بیماران در بیمارستان‌ها و در بخش‌های مراقبت‌های ویژه اتفاق می‌افتد. در واقع بیماران مبتلا به بیماری حاد اغلب در طول آخرین روزها به جای راحت گذاشته شدن، به شدت تحت مراقبت‌های ویژه بیهوده پزشکی قرار می‌گیرند.

تحقیقات نشان می‌دهند تنها ۷ تا ۸ درصد از بیماران در واقع می‌توانند مراقبت‌های تسکینی را دریافت کنند، عواملی مانند فقدان متخصص مراقبت تسکینی از بیماران که جزئیات داده‌های بیمار را ارزیابی کند، آگاهی بخشی به بیمار و امید به زندگی موجب ایجاد چنین نقصی شده‌است و درست در همین جا است که الگوریتم یادگیری عمیق هوش مصنوعی وارد عمل می‌شود.

 

 

محققان استنفورد می‌گویند ما می‌توانیم یک مدل پیش‌بینی کننده را با استفاده از داده‌های عملیاتی منظم در محیط مراقبت‌های پزشکی ایجاد کنیم. مقیاس داده‌های موجود به ما امکان داد تا مدل همه جانبه پیش‌بینی مرگ را بسازیم. روش یادگیری که به عنوان الگوریتم یادگیری عمیق شناخته می‌شود از شبکه‌های عصبی برای فیلتر کردن و تجزیه و تحلیل حجم زیادی از داده‌ها استفاده می‌کند.

پیش‌بینی مرگ و میر در این سیستم براساس نوع بیماری، سن بیمار و ضرورت پذیرش در مقایسه با دیگران انجام می‌گیرد و همچنین داده‌های پرونده الکترونیک بیمار نیز مورد بررسی قرار می‌گیرند.

 

 

در این آزمایش محققان دومیلیون پرونده بیماران بزرگسال و کودکانی که به بیمارستان استنفورد و کودکان لوسیل پکارد بستری شده بودند را بررسی کرده و موفق به شناسایی ۲۰۰ هزار بیمار مناسب برای مطالعه شدند و پس از آن پرونده الکترونیک آنها برای پیش‌بینی زمان مرگ به وسیله سیستم هوش مصنوعی  مورد ارزیابی قرار گرفت.

سیستم هوش مصنوعی در این آزمایش باید زمان مرگ هریک از ۱۶۰ هزار بیمار را طی ۱۲ ماه از تاریخ داده شده پیش‌بینی کند.

دانشمندان موفق شدند در این آزمایش سیستم هوش مصنوعی را برای پیش‌بینی زمان مرگ بیماران طی ۳ تا ۱۲ ماه پس از انجام ارزیابی آموزش دهند. پس از آن این الگوریتم، داده‌های ۴۰ هزار بیمار باقی‌مانده را ارزیابی کرد و در ۹ مورد از ۱۰ مورد توانست با دقتی بالا دقیق زمان مرگ آنها طی ۳ تا ۱۲ ماه آینده پیش‌بینی کند.

 

درنگ

2025

0 نظر
کلیدواژه ها:
نمایش نظرات
شما در حال پاسخگویی به نظر زیر می باشید:

نام کامل:
ایمیل:
نظر شما:
نظر متنی
نام کامل:
ایمیل:
نظر شما:
ارسال
آخرین اخبار جام
آر اس اس ادامه
پایگاه خبری تحلیلی جام نیوز

ارتباط با ما درباره ما ارسال مطلب RSS نسخه متنی آرشیو
آخرین خبر
Top