به گزارش ایسنا، براساس یک کارآزمایی بالینی یک ساله بر روی بیش از ۶۰ هزار بیمار به رهبری محققان دانشگاه کلمبیا، یک ابزار جدید هوش مصنوعی، موسوم به سیستم هشدار زودهنگام کانسرن (CONCERN)، از یادگیری ماشینی برای تجزیه و تحلیل الگوهای مستندات پرستاری استفاده می‌کند تا پیش‌بینی کند که چه زمانی حال بیمار بستری در بیمارستان رو به وخامت است، قبل از اینکه تغییری در علائم حیاتی منعکس شود و امکان مداخلات به موقع و نجات‌بخش را فراهم می‌کند.

به نقل از ساینس‌دیلی، در این مطالعه، کانسرن میانگین اقامت در بیمارستان را بیش از نیم روز کوتاه کرد و منجر به کاهش ۷.۵ درصدی خطر گَندخونی شد. احتمال انتقال بیماران تحت نظارت کانسرن به بخش مراقبت‌های ویژه در مقایسه با بیمارانی که مراقبت‌های معمولی داشتند، تقریبا ۲۵ درصد بیشتر بود.

سارا روستی (Sarah Rossetti)، نویسنده اصلی این مطالعه و دانشیار انفورماتیک بیومدیکال و پرستاری در دانشگاه کلمبیا، می‌گوید: پرستاران در تشخیص مشکلاتی که در بیماران تحت مراقبت آنها وجود دارد، مهارت و تجربه خاصی دارند. زمانی که بتوانیم این تخصص را با هوش مصنوعی ترکیب کنیم، می‌توانیم درک عملی و بلادرنگی ایجاد کنیم که جان انسان‌ها را نجات می‌دهد.

نام این سیستم از آن جهت کانسرن به معنای نگرانی گذاشته شده است که منعکس کننده نگرانی پرستاران است.

پرستاران اغلب نشانه‌های ظریفی را که نشان می‌دهد بیمار رو به وخامت است، مانند رنگ پریدگی یا تغییرات کوچک در وضعیت روانی تشخیص می‌دهند. اما نگرانی‌هایی آنها که در پرونده سلامت الکترونیکی بیمار ذکر شده است، ممکن است باعث مداخله فوری مانند انتقال به بخش مراقبت‌های ویژه نشود.

کانسرن بر زمانی که پرستاران این تغییرات کوچک اما معنی‌دار را شناسایی می‌کنند و به آنها پاسخ می‌دهند، از جمله دفعات و زمان ارزیابی‌ها، نظارت می‌کند و مدلی ایجاد می‌کند که میزان خطر را به صورت ساعتی و قابل خواندن برای حمایت از تصمیم‌گیری‌های بالینی ارائه می‌کند.

روستی می‌گوید: سیستم هشدار زودهنگام کانسرن بدون تصمیمات و نظرات کارشناسی پرستاران کار نخواهد کرد. این فناوری با قابل مشاهده کردن غرایز پرستاران برای کل گروه مراقبت، مداخلات سریع‌تر، نتایج بهتر و در نهایت نجات جان‌های بیشتری را تضمین می‌کند.

انتهای پیام