کد خبر: ۶۹۰۶۰
تاریخ انتشار: ۰۴ بهمن ۱۳۹۶ - ۰۹:۳۹
یک سیستم هوش مصنوعی جدید که توسط دانشگاه استنفورد ساخته شده است، می‌تواند زمان مرگ بیماران مبتلا به مریضی سخت را با 90 درصد دقت پیش‌بینی کرده و به بهبود مراقبت از زندگی بیماران کمک کند.
یک سیستم هوش مصنوعی جدید که توسط دانشگاه استنفورد ساخته شده است، می‌تواند زمان مرگ بیماران مبتلا به مریضی سخت را با 90 درصد دقت پیش‌بینی کرده و به بهبود مراقبت از زندگی بیماران کمک کند.

ممکن است اکنون «ماشین حساب مرگ» دانشگاه "استنفورد" بتواند با دقت به این پرسش پاسخ دهد: «من چه زمانی می‌میرم؟»

یک سیستم جدید یادگیری عمیق هوش مصنوعی می‌تواند در زمینه مراقبت تسکینی پیشرفت ایجاد کند.

"مراقبت تسکینی"(Palliative Care) بنا به تعریف سازمان بهداشت جهانی دربرگیرنده همه اقدامات فعال و کامل برای کاستن از رنج و درد و بهبود کیفیت زندگی در بیمار است.

این روش در حالت عمده مختص بیماران مبتلا به یک بیماری خاص است که به درمان پاسخ نمی‌دهند و نتیجه مستقیم بیماری، مرگ است و تنها به آرام نمودن بیمار و کم کردن نشانه‌های بیماری در وی برمی‌گردد.

در کنار نام مراقبت تسکینی می‌توان به داروهای تسکینی اشاره کرد که دربرگیرنده تجویز دارو برای از بین بردن درد یا کاهش یک "سمپتوم"(نشانه بیماری) می‌شود، برای مثال می‌توان به دارودرمانی در رفع تهوع پس از شیمی‌درمانی یا حتی کاستن سمپتوم‌ها در آنفلوانزا اشاره نمود.

محققان دانشگاه "استنفورد" یک الگوریتم جدید هوش مصنوعی را آزمایش کرده‌اند که می‌تواند به بیمارستان‌ها کمک کند که مراقبت‌های تسکینی را برای بیماران سرطانی و بیماران مبتلا به بیماری‌های خاص و صعب العلاج بهبود بخشند.

الگوریتم مبتنی بر یک دستگاه شبکه عصبی یادگیری عمیق می‌تواند پرونده‌های مهم پزشکی یا پرونده‌های بهداشت الکترونیکی ثبت شده بیماران مبتلا به بیماری حاد را تحلیل می‌کند تا نیاز آنان به مراقبت تسکینی را مشخص کند.

این الگوریتم می‌تواند زمان مرگ بیماران را با دقت 3 تا 12 ماه پیش‌بینی کند و از این پیش‌بینی برای مراجعه بیماران برای مراقبت تسکینی استفاده می‌کند.

محققان می‌گویند: پیش‌بینی‌های ما می‌تواند تیم مراقبت تسکینی بیمارستان‌ها را در جهت رسیدگی موثر به چنین افرادی به جای استفاده از درمان نافرجام پزشکان یا انجام بررسی‌های وقت‌گیر برای همه بیماران به کار گیرند.

مطالعات قبلی نشان داد که تقریبا 80 درصد از آمریکایی‌ها مایل هستند روزهای آخر عمر را در خانه بگذرانند، اما تنها 20 درصد قادر به انجام این کار هستند و بیش از نیمی از مرگ و میر بیماران در بیمارستان‌ها و در بخش‌های مراقبت‌های ویژه اتفاق می‌افتد.

در واقع بیماران مبتلا به بیماری حاد اغلب در طول روزهای واپسین‌شان به جای راحت گذاشته شدن، به شدت تحت مراقبت‌های ویژه بیهوده پزشکی قرار می‌گیرند.

به این دلیل است که توانایی بیمارستان‌ها برای ارائه مراقبت‌های تسکینی در سال‌های اخیر بهبود یافته است. با این حال، مطالعه نشان می‌دهد که تنها 7 تا 8 درصد از بیماران در واقع آن را دریافت می‌کنند.

عواملی مانند فقدان متخصص مراقبت تسکینی از بیماران که تک تک داده‌های بیمار را تجزیه و تحلیل کند، آگاهی بخشی به بیمار و امید به زندگی موجب بروز این مشکل شده است. اینجا جایی است که الگوریتم یادگیری عمیق هوش مصنوعی وارد عمل می‌شود.

"آناند آواتی" از دانشکده علوم کامپیوتر دانشگاه استنفورد می‌گوید: ما می‌توانیم یک مدل پیش‌بینی کننده را با استفاده از داده‌های عملیاتی به طور منظم در محیط مراقبت‌های پزشکی ایجاد کنیم. مقیاس داده‌های موجود به ما امکان داد تا مدل همه جانبه پیش‌بینی مرگ را بسازیم.

روش یادگیری که به عنوان الگوریتم یادگیری عمیق شناخته می‌شود از شبکه‌های عصبی برای فیلتر کردن و تجزیه و تحلیل حجم زیادی از داده‌ها استفاده می‌کند.

این تحقیق پیش‌بینی مرگ و میر را با توجه به وجود نوعی بیماری، سن بیمار و ضرورت پذیرش در مقایسه با دیگران انجام می‌دهد.

از داده‌های پرونده الکترونیک بیمار(EHR) از اولین تماس در سال قبل برای تعیین زمان مرگ آنها ظرف 12 ماه استفاده می‌شود.

برای این مطالعه، محققان دو میلیون پرونده بیماران بزرگسال و کودکانی که به بیمارستان استنفورد و بیمارستان کودکان "لوسیل پکارد" بستری شده بودند، بررسی کردند.

آنها 200 هزار بیمار مناسب برای مطالعه را شناسایی کردند. پرونده الکترونیک بیماران مذکور برای پیش‌بینی زمان مرگ به وسیله سیستم مورد تجزیه و تحلیل قرار گرفت.

برای این مطالعه آزمایشی، الگوریتم موظف بود زمان مرگ را در هر یک از 160 هزار بیمار طی 12 ماه از تاریخ داده شده پیش‌بینی کند.

این مطالعه توانست سیستم را برای پیش‌بینی زمان مرگ بیماران طی 3 تا 12 ماه آینده آموزش دهد.

پس از آن این الگوریتم، داده‌های 40 هزار بیمار باقی‌مانده را برآورد کرد و در 9 مورد از 10 مورد قادر به پیش‌بینی دقیق زمان مرگ آنها طی 3 تا 12 ماه بود.

اکثر بیماران با احتمال پایین مواجهه با مرگ در بررسی یک سال اخیر، ارزیابی شدند.

"کن جونگ"، دانشمند علوم پزشکی و سرپرست مطالعه می‌گوید: ما می‌خواهیم مطمئن شویم که بیماران مبتلا به بیماری حاد و خانواده‌هایشان قبل از آن که دیر شود، فرصتی برای گفتگو داشته باشند.

یافته‌های این مطالعه با عنوان "بهبود مراقبت تسکینی با یادگیری عمیق" در Arxiv منتشر شده است.

منبع: ایسنا
نظر شما
* کد کپچا:
captcha

انواع کتونی نایکی و تفاوت بین آنها چیست؟

هزینه تراشی به سبک آقای نماینده؛ چرا در چارچوب وظایف خودتان اظهار نظر نمی کنید؟!

چرا بغل کردن مادر چاوز توسط احمدی نژاد جریمه و محرومیت نداشت، اما برای سیدحسین حسینی داشت؟

تکلیف مدیران عامل استقلال و پرسپولیس با تغییر مالک روشن شد / شوک جدید به سرخابی ها!

نطق پرکنایه نایب رئیس مجلس به قالیباف!

پاس گل نماینده انقلابی به نتانیاهو

ملت که نبايد هميشه در «شعبِ‌‌ ابي‌‌ طالب» باشد!

آقای قالیباف! لطفا یک نامه به رئیس مجلس بنویسید!

این ۶ بازیکن مطرح می‌خواهند به پرسپولیس بپیوندند

با حسینی چکار داشتید؟ زمین و زمان نمی‌خواهند استقلال قهرمان شود / پرسپولیس با 6 گل آفساید به صدر رسیده!

رئیسی: تقویت همکاری‌های ایران و پاکستان در حل مشکلات منطقه موثر است / قدردانی شریف از رئیسی

متناسب سازی حقوق بازنشستگان از چه زمانی اجرا می‌شود؟

کتک‌خوردن علی هیبتی، بوکسور ایرانی از تماشاگران روسی به دلیل لگد به مجری زن

افزایش مستمری بازنشستگان سازمان تامین اجتماعی در سال ۱۴۰۳ چه شد؟

جهان فعلا از خطر جنگ جهانی قسر در رفت!

بیانیه مهم هلدینگ خلیج فارس درباره استقلال + تصویر

حمید لولایی بعد از ۲۰ سال به کوچه سریال خانه به دوش بازگشت! (ویدئو)

چهرۀ 600 سالۀ «بچه‌جنّ» در توالت یک خانۀ قدیمی! (تصاویر)

اجرای طرح موسوم به نور در فرودگاه کیش (ویدئو)

حضور طناز طباطبایی در فیلم جدید کارگردان یاغی + عکس

ماجرای جنجال عکس یک دختر نیمه برهنه در خیابان های تهران و واقعیت آن (تصاویر)

طعنه پرویز پرستویی به مهران رجبی ؛ کلیددار خودشیفته تلویزیون (عکس)

تیپ و استایل بهنوش طباطبایی در باشگاه ورزشی (عکس)

اولین بوسه زن و شوهری در سریال ایرانی ؛ ساترا سانسور نکرد (عکس)

طنین نوای «هزار دف» در پالنگان (ویدئو)

سخنان زاکانی هم بنر شد! (عکس)

تصاویری از دختر زیبای تام کروز و کتی هولمز در ۱۸سالگی

عذرخواهی سیدحسین حسینی از هواداران استقلال (تصویر)

تصویر وایرال شده از اختلاف قدی ستاره بسکتبال با بازیکن استقلال! (عکس)

تغییر چهره و استایل (غزل شاکری) «آذر گل دره ای» سریال شهرزاد بعد 9 سال + تصاویر

درخواست نکونام از هواداران استقلال (تصویر)

فرودگاه دبی در آب غرق شد (ویدئو)

تصویر وایرال شده از زنان نظامی در رژه ارتش (عکس)

تجمع مقابل سفارت اردن در تهران (عکس)

پیتزا داوود پلمب شد (عکس)

تصویر بارش باران در ساحل سرخ جزیره هرمز (ویدئو)

تیپ جذاب و شیک آزاده صمدی (عکس)

با پادشاه اردن، همسر و فرزندانش آشنا شوید؛ از پرنسس ایمان تا پرنسس سلما

واکنش آرش رضاوند به تغییر نحوه تعیین قهرمان لیگ برتر + تصویر

تصاویر دلبرانه بازیگر دونگ‌ یی در طبیعت کره‌ جنوبی (عکس)

چهره جدید خانم مجری تلویزیون همه را شوکه کرد (عکس)

تصویر همسر واقعی جومونگ (عکس)

صحنهٔ زورگیری در بزرگراه صدر بازسازی شد (ویدئو)

محافظ مسی بالاخره شکست خورد! (ویدئو)

عکس یادگاری یک اسرائیلی با بدنه موشک ایرانی در کنار بحر المیت

بقایای موشک‌های سپاه در اراضی اشغالی (تصاویر)

استایل جدید ستاره استقلالی و همسر خارجی‌اش (عکس)

مدلینگ «دونگ‌ یی» (تصاویر)

واکنش رامین رضاییان به حمله موشکی ایران به اسرائیل (تصویر)

واکنش ملیکا زارعی به حمله ایران به اسرائیل (تصویر)

بمب الکترومغناطیسی چیست و چگونه عمل می کند؟ (+عکس)

تغییر چهره مهتاب کرامتی از «هلن» و «ماری» سریال مردان آنجلس تاکنون (عکس)

تصاویر عصبانیت شدید آل کثیر و اعتراض به کادر فنی پرسپولیس

پای هدیه تهرانی به وسط بحث درباره چهره سحر دولتشاهی باز شد! (تصاویر)

تیپ جوان‌پسند و متفاوت بهاره رهنما در کالیفرنیا (+عکس)

خبرگزاری اصولگرا خواستار محرومیت حضور زنان در ورزشگاه‌ها شد: گلر استقلال دختر بی حجاب را بغل و به پلیس حمله کرد! (عکس)

توییت جدید رسول خادم درباره زنان کپرنشین سیستان و بلوچستان (تصویر)

تغییر چهره «محیا دهقانی» بازیگر نقش «نجلا» در 32 سالگی (تصاویر)

تغییر چهر «بانو یومیول» در سریال جومونگ بعد از 18 سال (تصاویر)

تصویر خوش و آب رنگ و پوشیده بهنوش طباطبایی

«جونگ‌ یی»؛ سریالی کره‌ای که طرفداران «دونگ‌ یی» باید ببینند + تصاویر

خبر خوش بیرانوند برای هواداران پرسپولیس (عکس)

سانسور مومنانه هم رسید: پخش زنده سخنان منصور ارضی در زمان انتقاد از پناهیان قطع شد! (ویدئو)

واقعیت زورگیری در اتوبان صدر؛ چه‌کسی تیراندازی کرد؟+ عکس

پوشش متفاوت زهرا داوودنژاد در مراسم ختم برادرش (عکس)

نظر 3 کارشناس برنامه فوتبال برتر درباره داوری پر حاشیه استقلال - مس رفسنجان + ویدئو

تیپ تازه «بانو سوسانو» در پشت صحنه یک تئاتر (+عکس)

شیخ علیرضا پناهیان در جلسه اقتصادی دولت رئیسی ! (عکس)

واکنش امیررضا رفیعی به کلیش شیت برای پرسپولیس (تصویر)

عکس‌های شخصی سو سو، خانم بازیگر سریال جومونگ (تصاویر)

اکران همزمان «مست عشق» در ایران و ترکیه/ «هانده ارچل» به ایران می آید؟ (+تصاویر)

قاب سه نفره رضا داوودنژاد با نیکی کریمی و دختر عمویش (عکس)

حرکت قشنگ ستاره پرسپولیس در قبال بازیکن استقلال + تصویر

سحر دولتشاهی و همایون شجریان در قابی زیبا و بی نظیر (عکس)

باریک‌ترین آپارتمان جهان در قم! (عکس)

تجمع بازنشستگان در چند شهر؛ مستمری ها باید مطابق قانون زیاد شود (+عکس)

رفتار مشابه نکونام و دخترش در واکنش به فرصت سوزی بازیکنان استقلال ! (تصاویر)

پوشش و استایل متفاوت بهاره رهنما در آمریکا (عکس)

مرادی، کارشناس داوری: توپ استقلال از خط دروازه مس رفسنجان گذشت (+ویدئو)

واکنش تند جواد نکونام به نپذیرفتن گل استقلال مقابل مس: دشمنی شروع شد (تصویر)

تغییر چهره درسا (نیکی نصیریان) سریال بزنگاه بعد از ۱۶ سال +عکس

ماجرای نامه ای که دیر رسید و هویدا اعدام شد (+تصاویر)

پیکر سرلشکر محمدهادی حاجی رحیمی و سید مهدی جلادتی به خاک سپرده شد (+تصاویر)

مراسم تشییع رضا داوودنژاد با حضور هنرمندان (اسامی و تصاویر)

صحبت های سوزناک مونا داوودنژاد در تشییع برادرش رضا: مادربزرگ و عسل منتظرت هستند (ویدئو)

اینفلوئنسر معروف آمریکایی: خامنه ای رهبر عزیز، رحم نکن... (تصویر)

اولین تصویر از غزل بدیعی ، در تشییع همسرش رضا داوودنژاد (عکس)

حضور سیدحسن خمینی، خاتمی، ناطق نوری، جهانگیری و قالیباف در مراسم چهلم آیت الله موسوی بجنوردی (گزارش تصویری)

سلفی جذاب بهنوش طباطبایی با مادرش (عکس)

درخشش بهنوش طباطبایی در استایل جدید (عکس)

پرطرفدارترین

حمله موشکی گسترده حزب الله به اسرائیل

آغاز کارزار درخواست برقراری فوق‌العاده ویژه 50 درصدی فرهنگیان با 30 هزار امضا (+ لینک امضا)

اموال مجردها به چه کسی ارث می‌رسد؟

سرلشکر قرنی که بود؟! / از همراهی با شاه تا کودتا علیه او و دریافت حکم از امام

جهانگیری: صدای شکسته شدن استخوان مردم به گوش می‌رسد

تناقض ها با مردم چه می کند؟ چرا خطیبی که به زمین خواری متهم و ثابت شده که به هر روی خود یا نزدیکانش در این تخلف بزرگ دست داشته اند مستوجب عقوبتی نشد؟