211service.com
Mašīnmācīšanās un riska prognozēšana ICU
Intensīvās terapijas nodaļa (ICU) ir viena no visintensīvākajām telpām slimnīcā, taču informācija, kas tiek straumēta no sirds monitoriem, ventilatoriem un spiediena sensoriem, parasti netiek integrēta un analizēta, lai ļautu dziļāk izprast pacienta stāvokli. Lai to mainītu, Bostonas apgabala startēšana Etiometrija veido klīnisko lēmumu atbalsta sistēmu, kas var interpretēt lielus reāllaika pacientu datu apjomus un nodrošināt ārstiem praktiskas informācijas momentuzņēmumu.
Etiometry dibinātājus, no kuriem daži bija bijušie aviācijas un kosmosa navigācijas vadības inženieri, iedvesmoja tas, ko viņi uzskatīja par sistēmas kontroles vai pacientu datu analītikas trūkumu un vēl lielāku rīku trūkumu, kas palīdzētu ārstiem pieņemt lēmumus. Visi šie dati ir ģenerēti ICU, taču jums nav tehnoloģijas, kas ar tiem kaut ko darītu, saka Dimitars Baronovs, Etiometry viceprezidents un galvenais tehnoloģiju speciālists. Vienīgais, kas jums ir, ir cilvēku zināšanas un apmācība. Analīze varētu palīdzēt ārstiem interpretēt savus datus, galu galā ļaujot viņiem pieņemt labākus lēmumus, iejaukties savlaicīgāk un uztvert nevēlamus notikumus, pirms tie notiek, saka prezidents un izpilddirektors Evans Batlers.
Klīnisko lēmumu atbalsta rīki palīdz noteikt diagnozes un ārstēšanu, iekļaujot pacientu datus prognozēšanas modeļos, kas ir balstīti uz iepriekšējiem pacienta rezultātiem. Lēmumu atbalsta idejas nav jaunas — gadu desmitiem pētnieki ir mēģinājuši ievest slimnīcā skaitļošanas rīkus, kas var palīdzēt ārstiem pieņemt lēmumus, kas saistīti ar pacientu diagnozēm un ārstēšanu. Lielie uzņēmumi, piemēram, Siemens un Philips piedāvāt produktus, kas brīdina klīnicistus par agrīnām pazīmēm, kas liecina, ka pacientam ir slikta veselība, un pētniecības organizācijas, piemēram, Draper laboratorija izstrādā līdzīgas reāllaika lēmumu atbalsta programmas.
Taču cilvēka bioloģijas sarežģītība un lēnā elektronisko ierakstu pieņemšana slimnīcās ir aizkavējusi tehnoloģiju. Starp pacientiem pastāv liela atšķirība, saka Dīns Sitigs , klīniskās informācijas sistēmu pētnieks Teksasas Universitātes Veselības zinātnes centrā Hjūstonā, lai normāls sirdsdarbības ātrums vienam cilvēkam varētu būt tuvu nāvei citam. Turklāt datora perspektīva ir ierobežota. Dators parasti aplūko vienu nelielu pacienta problēmas aspektu, bet nesaprot kontekstu, saka Sittigs. Eksperts ārsts var saprast milzīgo priekšstatu par to, kas notiek ar pacientu.
Vēl viens izaicinājums ir pārsvarā papīra datu glabāšana, kas ir ierobežojusi pieejamo datu apjomu pētniekiem, kuri cenšas izmantot mašīnmācīšanos, lai izveidotu labākus pacientu aprūpes modeļus. Parasti lielākā daļa slimnīcu datus ICU iekārtās glabā apmēram 72 stundas un pēc tam izmet, saka Batlers. Dažu pēdējo gadu laikā mūsu tehnoloģija patiešām ir ļāvusi izmantot citas kompānijas, kas ierodas slimnīcās un saglabā visus datus.
Šo lielo datu kolekciju izmantošana, lai uzlabotu prognozējošo modelēšanu, ir spēcīgs jēdziens, saka Pēteris Szolovits , Klīnisko lēmumu pieņemšanas grupas vadītājs MIT Datorzinātnes un mākslīgā intelekta laboratorijā. Ja modeļi ir pietiekami precīzi, varat tos izmantot, mēģinot izlemt starp dažādām pacienta ārstēšanas metodēm. Šādi modeļi, kas apmācīti, pamatojoties uz reāliem pacientu datiem, varētu pastāstīt ārstiem, kādi būtu atšķirīgie paredzamie rezultāti katrai ārstēšanas iespējai un ar katru prognozi saistītās nenoteiktības pakāpi.
Etiometry tehnoloģija sniedz šo informāciju lietotājam draudzīgā saskarnē, kas ļauj ārstiem ātri redzēt, kuri ICU pacienti ir pakļauti nevēlamu notikumu riskam, un pēc tam tuvāk apskatīt visus riska pacientus, pārskatot detalizētu iespējamo notikumu sarakstu un iespējamību, ka viņi notiks. Komanda saka, ka viņu sistēma var interpretēt visus pacientu datus, kas ģenerēti ICU, sākot no momentāniem datiem, piemēram, sirdsdarbības ātruma, līdz datiem, kas savākti vairāku stundu laikā, piemēram, asins analīzei.
Uzņēmums ir koncentrējies uz bērnu ICU, izmantojot mašīnmācīšanos, lai izveidotu algoritmus no retrospektīviem datiem, ko viņi ir saņēmuši no Bostonas Bērnu slimnīcas, Toronto slimo bērnu slimnīcas un citiem centriem. Nākamajā gadā tā plāno sākt testēšanu ar reāllaika datiem.