Новый инструмент на базе искусственного интеллекта, анализируя записи медсестер и медицинские карты, выявляет ухудшение состояния пациентов почти на два дня раньше традиционных методов. Это снижает риск внезапной смерти на 35,6%. В эксперименте, который проводился в течение года, приняли участие 60 893 пациента. Результаты исследования опубликованы в журнале Nature Medicine.
Медсестры обычно очень чувствительны к едва уловимым изменениям в состоянии своих пациентов. Они обращают внимание на уровень бледности, малейшие изменения в настроении и другие показатели. Однако они не всегда оперативно реагируют на эти изменения, поэтому больных не всегда вовремя переводят в реанимацию. Сочетая данные от медсестер и аналитические мощности искусственного интеллекта, можно быстрее заметить опасные состояния и вовремя оказать помощь, что позволяет уменьшить смертность.
Система раннего предупреждения CONCERN использует машинный интеллект для анализа медицинских карт и записей медсестер. Она также оценивает частоту и продолжительность обследований и подсчитывает «баллы риска», которые помогают врачам принять важные решения. Модель прогнозирует ухудшение состояния больного еще до изменений в жизненных показателях. Благодаря этому врачи могут своевременно принять меры, которые могут спасти жизнь пациента.
В эксперименте приняли участие 74 клинических отделения. 34 из них были с системой CONCERN, остальные 37 — без. За 33 024 госпитализированными пациентами наблюдали с помощью ИИ, за 27 869 — традиционным способом. В ходе исследования система раннего предупреждения сократила среднее время пребывания в больнице на 11,2%, снизила риск внезапной смерти на 35,6%, а развития сепсиса (тяжелое состояние организма, вызванное реакцией на инфекцию, когда иммунная система начинает атаковать собственные ткани и органы, вызывая системную воспалительную реакцию) — на 7,5%. При этом частота непредвиденного перевода в отделение реанимации увеличилась на на 24,9%. В некоторых случаях именно это и спасло больных, но чтобы снизить риск «ложной тревоги» и не перегружать отделение пациентами в сравнительно легком состоянии, требуется дальнейшая оптимизация алгоритма.
Автор: Екатерина Новикова
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
