Penyelidik di King's College London telah membangunkan kaedah dipacu AI untuk penilaian rintangan antimikrob pada hari yang sama di ICU, menjanjikan hasil pesakit yang lebih baik dan pengurusan sepsis yang mengancam nyawa yang lebih baik.
Para saintis telah memanfaatkan kuasa kecerdasan buatan untuk memberikan penilaian pada hari yang sama tentang rintangan antimikrob dalam unit rawatan rapi, merevolusikan perjuangan menentang sepsis yang mengancam nyawa.
Rintangan antimikrob, keupayaan mikroorganisma untuk membangunkan pertahanan terhadap rawatan, kekal sebagai cabaran yang menggerunkan untuk penjagaan kesihatan global. Rintangan ini bertanggungjawab untuk anggaran 1.2 juta kematian di seluruh dunia setiap tahun. Apabila jangkitan aliran darah menjadi tahan terhadap antibiotik, ia boleh meningkat kepada sepsis - keadaan berbahaya yang mungkin mengakibatkan kegagalan organ, kejutan dan juga kematian.
"Satu cara penting untuk menangani ancaman besar rintangan antimikrob adalah dengan melindungi antibiotik yang sudah kita miliki," kata Lindsey Edwards, pensyarah kanan dalam mikrobiologi di King's College London, dalam Siaran akhbar.
"Kajian kami menyediakan bukti lanjut tentang faedah AI dalam penjagaan kesihatan, kali ini berkaitan dengan isu penting rintangan antimikrob dan jangkitan aliran darah," tambah pengarang pertama Davide Ferrari, pelajar kedoktoran di King's College London.
Kaedah diagnostik semasa di ICU memerlukan ujian makmal yang panjang yang boleh mengambil masa sehingga lima hari, kelewatan yang boleh memudaratkan pesakit kritikal. Pendekatan baharu dipacu AI, dibangunkan melalui kerjasama antara penyelidik dan pakar klinik King's College London di Guy's and St Thomas' NHS Foundation Trust, bertujuan untuk menyediakan percubaan pada hari yang sama untuk pesakit ICU. Penilaian pantas ini adalah penting, terutamanya dalam persekitaran terhad sumber.
Menggunakan data daripada 1,142 pesakit, para penyelidik menunjukkan bahawa AI dan pembelajaran mesin dapat mengenal pasti jangkitan yang menyebabkan sepsis dengan cepat, memberi kesan ketara kepada penjagaan pesakit dan pengawasan antibiotik.
“Penggunaan pembelajaran mesin kami menyediakan cara baharu untuk menangani isu klinikal penting tentang rintangan antimikrob. Kami berharap AI akan menyediakan alat berguna untuk doktor dalam membuat keputusan penting, khususnya berkaitan ICU,” kata Ferrari.
“Selalunya pesakit yang mempunyai jangkitan tahan dadah akan datang ke ICU dalam keadaan kritikal dan mungkin tidak dapat bertahan lama untuk piawaian diagnostik emas semasa untuk menentukan apa yang mereka dijangkiti. Jadi, doktor berhadapan dengan situasi yang sukar di mana mereka mesti menetapkan antibiotik spektrum luas 'dalam cara buta' untuk menyelamatkan pesakit," tambah Edwards.
Walau bagaimanapun, pendekatan spektrum luas boleh membunuh mikrob berfaedah tanpa menghapuskan patogen berbahaya, yang berpotensi memburukkan lagi rintangan antibiotik. Kaedah AI bertujuan untuk mengurangkan isu ini dengan membolehkan pentadbiran antibiotik yang lebih tepat dan tepat pada masanya.
Kajian itu, baru-baru ini diterbitkan dalam PLOS Digital Health, membuka jalan kepada penyelidikan berskala lebih besar yang melibatkan lebih 20,000 individu dan menyasarkan penggunaan dunia sebenar teknologi AI ini dalam NHS menggunakan Pembelajaran Mesin Bersekutu.
"Kesederhanaan dan skalabiliti pendekatan pembelajaran mesin yang inovatif ini menunjukkan potensinya untuk pelaksanaan yang meluas, menawarkan penyelesaian yang mantap untuk menangani isu penjagaan kesihatan kritikal ini pada skala yang lebih besar dan akhirnya meningkatkan hasil pesakit," Yanzhong Wang, seorang profesor statistik dalam kesihatan penduduk pakar, kata dalam siaran berita.
Penyelidikan ini menandakan kemajuan yang ketara dalam penggunaan AI untuk penjagaan kesihatan, menjanjikan kadar survival yang lebih baik dan penggunaan antibiotik yang optimum, akhirnya melindungi kesihatan pesakit dan rawatan antibiotik sedia ada.