2022. 08. 25. - 09:00

Kiégés a láthatáron? - Az orvosok jóllétéért is dolgozik a mesterséges intelligencia

Kiégés a láthatáron? - Az orvosok jóllétéért is dolgozik a mesterséges intelligencia

Nem csupán az nem mindegy, hogyan érzi magát egy beteg a kórházban – Az orvosok egészsége és jólléte is nagyon fontos. A mesterséges intelligencia most ebben vállal szerepet.

Az orvosok, nővérek, ápolók munkája működteti a gépezetet a kórházakban, rendelőintézetekben – az ő egészségük és jóllétük tehát épp olyan fontos, mint a pácienseké.
 
Kutatók most a mesterséges intelligencia felhasználásával igyekeznek nyomonkövetni, hogyan érzik magukat a kórházban az ellátást nyújtók.
 
Chenyang Lu, a Washingtoni Egyetem St. Louis McKelvey Számítógéptudományi és Mérnöki Iskolájának Fullgraf professzora a mesterséges intelligencia és az adatok kombinálásával szeretné javítani a betegek ellátását és az eredményeket, ám mellette olyan technológiát is fejleszt, amely segít figyelemmel kísérni az orvosok egészségét és jóllétét.
 
A Lu laboratórium a közelmúltban két előadás során számolt be eredményeiről az idei ACM SIGKDD (Association for Computing Machinery) tudásfeltárásról és adatbányászatról szóló (Special Interest Group - SIG - on Knowledge Discovery and Data Mining) konferencián. Olvasd el: A mesterséges intelligencia képes megjósolni a műtétek szövődményeit
 
Az orvosok jóllétéért is dolgozik a mesterséges intelligencia
Az orvosok jóllétéért is dolgozik a mesterséges intelligencia
 
A prezentációk új módszereket vázolnak fel, amelyeket a professzor csapata – a Washingtoni Egyetem Orvostudományi Karának munkatársaival együttműködve – fejlesztett ki az egészségügyi eredmények javítására, azzal, hogy a mélyreható tanulást beépíti a klinikai ellátásba. 
 
A kórházakban dolgozó ellátószemélyzet esetében Lu a kiégést vizsgálta, valamint azt, hogyan lehet megjósolni, mielőtt még jelentkezne az adott személynél. Olvasd el: Teljesen egyedül végzett egy robot laparoszkópos műtétet
 
A tevékenységi naplók rengeteg adatot szolgáltattak a kutatóknak – ezek arról szólnak, hogyan kommunikálnak a klinikusok az elektronikus egészségügyi nyilvántartásokkal. Az adatokat betáplálták a Lu és csapata által kifejlesztett gépi tanulási keretrendszerbe – ez a tevékenységnaplókon alapuló hierarchikus kiégés-előrejelzés (HiPAL) –, amely képes volt a munkaterhelés figyelemreméltó mintázatait kikövetkeztetni, s ezekből az adatokból észrevétlen és automatizált módon előre jelezni a kiégést.  
 
A műtőben dolgozó orvosok jelentős mennyiségű adatot gyűjtenek a pácienseikről, a preoperatív ellátás és a műtét során egyaránt. Olyan adatok ezek, amelyeket Lu és munkatársai jól hasznosíthatónak gondoltak a mélytanulási megközelítéséhez, melynek neve Clinical Variational Autoencoder (cVAE).
 
A fejlesztett új algoritmusok segítségével a kutatók meg tudták jósolni, ki lesz hosszabb ideig műtéten, kinél alakul ki nagyobb valószínűséggel delírium az operáció után.
 
A modell több száz klinikai változót 10-re volt képes transzformálni, s ezeket arra használta, hogy pontos és értelmezhető előrejelzéseket készítsen a jelenlegi módszereknél jobb eredményekről.
 
Lu és interdiszciplináris munkatársai a közeljövőben is validálják mindkét modellt, bízva abban, hogy mindkettő alkalmazhatja a mesterséges intelligencia erejét a kórházi környezetben.
 
A kutatás eredményeit a Proceedings of the 28th ACM SIGKDD Conference on Knowledge Discovery and Data Mining című folyóiratban közölték.
 
 
L.A.

Hírlevél feliratkozás

Kérjük, add meg adataidat a hírlevélre történő feliratkozáshoz! A megadott adatokat bizalmasan kezeljük, azokat harmadik félnek át nem adjuk.

 

gyulai_vafurdo

profight_banner.