AI بالعربي – متابعات
قالت دراسة جديدة إن نظامًا قائمًا على الذكاء الاصطناعي تمكن من تقليل خطر الوفيات غير المتوقعة، من خلال تحديد المرضى في المستشفى المعرضين لخطر كبير جراء تدهور الصحة.
وأظهرت الدراسة، التي نشرتها مجلة الجمعية الطبية الكندية، إمكانات التعلم الآلي لتحسين نتائج المرضى في المستشفيات، عبر إجراء تقييم للتأثير السريري، لنظام يُعرف باسم CHARTwatch، وهو نظام إنذار مبكر، قائم على التعلم الآلي، ومصمم للتنبؤ بتدهور حالة المريض في الوقت الفعلي.
ويسمح النظام الجديد لفرق الرعاية الصحية بالاستجابة بشكل أسرع، وأكثر فاعلية، وقد تم تطويره وتنفيذه في وحدة الطب الباطني العام بمستشفى سانت مايكل العام في تورنتو بكندا.
العلامات المبكرة للتدهور السريري
يهدف النظام لاكتشاف العلامات المبكرة للتدهور السريري لدى المرضى في المستشفى، مما يتيح لمقدمي الرعاية الصحية اتخاذ الإجراءات قبل تدهور حالة المريض بشكل كبير.
ويمكن أن يؤدي التدهور في المستشفيات إلى مضاعفات خطيرة، بما في ذلك الدخول غير المخطط له إلى وحدة العناية المركزة، أو حتى الوفاة، ويساعد النظام القائم على الذكاء الاصطناعي في التعرف المبكر على مثل هذا التدهور في تقليل الوفيات.
يستخدم CHARTwatch نموذج تعلم آلي متطور، يحلل البيانات في الوقت الفعلي من السجلات الطبية الإلكترونية للمستشفى، بهدف التنبؤ بمخاطر تدهور المريض، بناءً على مجموعة متنوعة من نقاط البيانات السريرية.
يدمج النموذج باستمرار البيانات من السجل الطبي الإلكتروني للمريض، بما في ذلك العلامات الحيوية ونتائج المختبر والمعلومات السريرية الأخرى، كما يتتبع كيف تتطور حالة المريض بمرور الوقت، ثم يستخدم درجات المخاطر السابقة والتغييرات في هذه الدرجات لتحديد ما إذا كان المريض يتحسن، أو يتدهور، ويقوم بعمل تنبؤات ترجح إذا ما كان المريض معرضاً لخطر التدهور الشديد، مثل الحاجة إلى نقله إلى وحدة العناية المركزة، أو الرعاية التلطيفية، بناءً على حالته السريرية.
الوفيات في أجنحة المستشفيات
شملت الدراسة أكثر من 13 ألف مريض تتراوح أعمارهم بين 55 و80 عاماً، وأظهرت النتائج أن الوفيات انخفضت بشكل كبير خلال فترة التدخل، إذ انخفضت من 2.1% إلى 1.6%، وبين المرضى المعرضين للخطر الذين حددهم النظام، انخفضت الوفيات من 10.3% إلى 7.1%.
وتشير هذه النتائج إلى أن أنظمة الإنذار المبكر قد تلعب دوراً حاسماً في الحد من الوفيات في أجنحة المستشفيات، رغم الحاجة إلى مزيد من البحث لتحسين هذه التقنيات.
ولم تشهد وحدات التخصصات الفرعية الأخرى في المستشفى، والتي لم تستخدم النظام، أي تغييرات ذات مغزى في معدلات الوفيات.
ويرى المؤلف الرئيسي، الدكتور أمول فيرما، وهو عالم أبحاث سريري في مستشفى سانت مايكل، أنه من المهم تقييم استخدام أدوات الذكاء الاصطناعي في الطب بعناية، للتأكد من أنها آمنة وفعالة، وخاصة في ظل الاستعانة بها بشكل متزايد في القطاع الصحي.
الذكاء الاصطناعي وأنظمة الإنذار المبكر
ويقول: “تشير نتائجنا إلى أن أنظمة الإنذار المبكر القائمة على الذكاء الاصطناعي واعدة للحد من الوفيات غير المتوقعة في المستشفيات”.
ويوضح أن الاتصالات المنتظمة بين النظام، والأطباء، وطاقم التمريض ساعدت في الحد من الوفيات من خلال التنبيهات في الوقت الفعلي، ورسائل البريد الإلكتروني مرتين يومياً إلى فرق التمريض، ورسائل البريد الإلكتروني اليومية إلى فريق الرعاية التلطيفية.
كما أنشأ الفريق مسار رعاية للمرضى المعرضين للخطر، مع زيادة المراقبة من قبل الممرضات، وتعزيز التواصل بين الممرضات، والأطباء، والمطالبات لتشجيع الأطباء على إعادة تقييم المرضى.
يواصل الباحثون تحسين النموذج للارتقاء بدقته التنبؤية، والحد من “الإيجابيات الكاذبة”.
ويقول الدكتور فيرما إن هناك حاجة إلى مزيد من البحث، لفهم التأثير طويل الأمد لاستخدام هذه الأنظمة على النتائج الإجمالية في مجالات الرعاية الصحية السريرية، بما في ذلك معدلات الوفيات، وعودة المريض للمستشفى خلال 30 يوماً من الخروج.
