ai-covid19-Smartphonegreece

Εργαλείο μηχανικής μάθησης COVID βοηθά τα νοσοκομεία να βρουν τη σωστή θεραπεία

Η Ισπανία είναι ένα από τα ευρωπαϊκά κράτη που επλήγησαν περισσότερο από την πανδημία COVID-19, με περισσότερα από 1,7 εκατομμύρια κρούσματα . Παρά το δεύτερο κύμα λοιμώξεων που έπληξε τη χώρα τους τελευταίους μήνες, η νοσοκομειακή κλινική στη Βαρκελώνη πέτυχε να μειώσει κατά το ήμισυ τη θνησιμότητα μεταξύ των ασθενών με κορονοϊό χρησιμοποιώντας τεχνητή νοημοσύνη.

Το καταλανικό νοσοκομείο έχει αναπτύξει ένα εργαλείο μηχανικής μάθησης που μπορεί να προβλέψει πότε θα επιδεινωθεί η κατάσταση ενός ασθενούς και να δυναμώσει την φαρνακευτική αγωγή και πώς να προσαρμόσει τη θεραπεία αυτού του ατόμου για να αποφευχθεί το χειρότερο αποτέλεσμα.

«Όταν έχετε έναν μόνο ασθενή που βρίσκεται σε κρίσιμη κατάσταση, μπορείτε να τους φροντίσετε ιδιαίτερα. Αλλά όταν είναι 700, χρειάζεστε αυτό το είδος εργαλείου», λέει η Carol Garcia-Vidal, ιατρός ειδικευμένη σε μολυσματικές ασθένειες και Ερευνητής IDIBAPS που ηγήθηκε της ανάπτυξης του εργαλείου.

Έτσι, όταν το νοσοκομείο άρχισε να δέχεται ασθενείς με COVID τον Μάρτιο, έθεσε σε λειτουργία το σύστημα αναλύοντας τρία τρισεκατομμύρια κομμάτια δομημένων και ανώνυμων δεδομένων από 2.000 ασθενείς. Ο στόχος ήταν να το εκπαιδεύσει για να αναγνωρίσει τα πρότυπα και να ελέγξει ποιες θεραπείες ήταν οι πιο αποτελεσματικές για κάθε ασθενή και πότε πρέπει να χορηγηθούν.

Ο ιός δεν εκδηλώνεται με τον ίδιο τρόπο για όλους. «Υπάρχουν ασθενείς με φλεγμονώδη ανταπόκριση, ασθενείς με πήγματα και ασθενείς που αναπτύσσουν σούπερ λοιμώξεις», λέει ο García-Vidal στο ZDNet. Κάθε ομάδα χρειάζεται διαφορετικά φάρμακα και έτσι μια εξατομικευμένη θεραπεία .

Χάρη στην επιχορήγηση EIT Health , το σύστημα AI έχει εξελιχθεί σε ταμπλό σε πραγματικό χρόνο σε υπολογιστές ιατρών που έχει γίνει ένα από τα καθημερινά εργαλεία τους. Υπό την επίβλεψη ενός επιδημιολόγου, το εργαλείο επιτρέπει στους ασθενείς να ταξινομούνται και να δέχονται μια πιο εξατομικευμένη θεραπεία. Οι προβλέψεις είναι 90% ακριβείς.

«Είναι πολύ χρήσιμο για γιατρούς με λιγότερη εμπειρία και για εκείνους που έχουν ειδικότητα που δεν έχει καμία σχέση με το COVID, όπως οι γυναικολόγοι ή οι οροπεδικοί», λέει. Όπως σε πολλές χώρες, κλήθηκαν γιατροί από όλες τις περιοχές για τη θεραπεία ασθενών κατά το πρώτο κύμα της πανδημίας.

Ο στόχος είναι να γνωρίζουμε εάν ένας ασθενής είναι πιθανό να χρειαστεί σύστημα αναπνευστήρα ή να αποσταλεί απευθείας σε εντατική θεραπεία. Ορισμένα δεδομένα – όπως η ηλικία, το φύλο, τα ζωτικά σημεία και τα φάρμακα που δίνονται – είναι δομημένα, αλλά υπάρχουν δεδομένα που δεν είναι, για παράδειγμα, εκθέσεις  νοσηλείας και ακτινολογίας, διάφοροι άλλοι επίσης αστάθμητοι εξωγενείς παράγοντες, εξηγεί ο ερευνητής του BSC Marta Villegas.

Via