Penyelidik yang diketuai oleh Penn Medicine telah menggunakan AI untuk mendedahkan subpopulasi pesakit yang berbeza dalam kalangan penghidap COVID yang lama, membuka jalan untuk penjagaan yang lebih diperibadikan dan berkesan di hospital.
Penyelidik yang diketuai oleh Sekolah Perubatan Perelman di University of Pennsylvania telah melancarkan teknik perintis menggunakan kecerdasan buatan (AI) untuk mengoptimumkan penjagaan pesakit COVID yang lama dengan menyesuaikan rancangan rawatan kepada keperluan khusus kumpulan pesakit yang pelbagai. Diterbitkan dalam jurnal Cell Patterns, kajian ini menandakan satu langkah penting ke arah penjagaan kesihatan yang diperibadikan dalam tetapan hospital.
Menggunakan teknik pembelajaran mesin yang dikenali sebagai "pembelajaran pemindahan terpendam," para penyelidik menganalisis rekod kesihatan elektronik yang tidak dikenal pasti daripada lapan hospital pediatrik di seluruh negara. Kaedah ini mendedahkan empat subpopulasi berbeza pesakit COVID yang lama, masing-masing dengan keperluan penjagaan yang unik. Kumpulan yang dikenal pasti termasuk:
- Pesakit dengan keadaan kesihatan mental, seperti kebimbangan dan kemurungan
- Mereka yang mengalami keadaan kronik atopik/alahan seperti asma dan alahan
- Individu dengan keadaan kronik yang tidak kompleks, termasuk masalah penglihatan atau insomnia
- Pesakit dengan keadaan kronik yang kompleks, termasuk gangguan jantung atau neuromuskular
"Kajian sedia ada mengumpulkan data dari pelbagai hospital tetapi gagal mempertimbangkan perbezaan dalam populasi pesakit, dan itu mengehadkan keupayaan untuk menggunakan penemuan untuk membuat keputusan tempatan," kata pengarang kanan Yong Chen, seorang profesor biostatistik di Sekolah Perubatan Perelman, dalam a Siaran akhbar. "Kerja kami menawarkan manfaat pengetahuan yang lebih umum, dengan ketepatan aplikasi khusus hospital."
Dengan menentukan subpopulasi ini, sistem AI membolehkan hospital memperuntukkan sumber dengan lebih berkesan, yang berpotensi merevolusikan penjagaan. Penyelidikan menunjukkan bahawa mengiktiraf variasi ini boleh mengarahkan hospital untuk merancang dengan lebih baik untuk katil ICU, ventilator dan kakitangan khusus - penting dalam menguruskan kedua-dua pandemik dan permintaan penjagaan kesihatan setiap hari.
"Tanpa mengenal pasti subpopulasi yang berbeza ini, doktor dan hospital mungkin akan menyediakan pendekatan yang sesuai untuk semua untuk penjagaan dan rawatan susulan," pengarang utama Qiong Wu, bekas penyelidik pasca kedoktoran di makmal Chen dan kini adalah pembantu. profesor biostatistik di Sekolah Kesihatan Awam Universiti Pittsburgh, berkata dalam siaran berita. "Walaupun pendekatan bersatu ini mungkin berfungsi untuk sesetengah pesakit, ia mungkin tidak mencukupi untuk subkumpulan berisiko tinggi yang memerlukan penjagaan yang lebih khusus. Sebagai contoh, kajian kami mendapati bahawa pesakit dengan keadaan kronik yang kompleks mengalami peningkatan paling ketara dalam lawatan pesakit dalam dan kecemasan."
Kemajuan itu datang sebagai potensi peningkatan yang ketara dalam menguruskan keadaan kronik yang meluas juga. Wu menegaskan bahawa penyakit seperti diabetes, penyakit jantung dan asma menunjukkan variasi yang besar di seluruh hospital yang berbeza. Variasi ini boleh berpunca daripada sumber yang ada, demografi pesakit dan beban kesihatan serantau, menunjukkan bahawa pendekatan yang disesuaikan boleh menghasilkan manfaat yang besar.
Mengimbas kembali, para penyelidik percaya bahawa jika teknologi ini tersedia semasa awal pandemik COVID-19, ia boleh mengurangkan beberapa tekanan pada sistem penjagaan kesihatan dengan membolehkan jangkaan dan pengagihan sumber kritikal yang lebih baik.
"Ini akan membolehkan setiap hospital menjangkakan keperluan katil ICU, ventilator atau kakitangan khusus dengan lebih baik - membantu mengimbangi sumber antara penjagaan COVID-19 dan perkhidmatan penting lain," tambah Wu. “Selain itu, pada peringkat awal pandemik, pembelajaran kolaboratif di seluruh hospital akan menjadi sangat berharga, menangani isu kekurangan data sambil menyesuaikan pandangan dengan keperluan unik setiap hospital.”
Para penyelidik optimis bahawa sistem AI mereka boleh dilaksanakan secara meluas, menunjukkan bahawa hanya infrastruktur perkongsian data yang "agak mudah" diperlukan, kata Wu. Malah hospital tanpa kapasiti untuk menggabungkan sistem pembelajaran mesin secara langsung boleh mendapat manfaat daripada cerapan dikongsi yang dihasilkan oleh pendekatan kolaboratif ini.
"Dengan menggunakan penemuan yang dikongsi daripada hospital rangkaian, ia akan membolehkan mereka memperoleh pandangan yang berharga," tambah Wu.
Disokong oleh geran daripada Institut Kesihatan Kebangsaan dan Institut Penyelidikan Hasil Berpusatkan Pesakit, kajian ini meletakkan asas untuk era baharu penjagaan kesihatan di mana AI yang canggih boleh membantu hospital menyediakan penjagaan yang bukan sahaja cekap tetapi juga sesuai secara unik untuk khusus. keperluan populasi pesakit mereka.