Σύστημα τεχνητής νοημοσύνης βοηθά τους γιατρούς να προβλέψουν τις ανάγκες σε κλίνες ΜΕΘ για Covid-19 Σύστημα τεχνητής νοημοσύνης βοηθά τους γιατρούς να προβλέψουν τις ανάγκες σε κλίνες ΜΕΘ για Covid-19
Ερευνητές από τον Καναδά ανέπτυξαν ένα σύστημα τεχνητής νοημοσύνης που μπορεί να βοηθήσει τους γιατρούς να προβλέπουν νωρίτερα πόσες κλίνες Μονάδων Εντατικής Θεραπείας (ΜΕΘ)... Σύστημα τεχνητής νοημοσύνης βοηθά τους γιατρούς να προβλέψουν τις ανάγκες σε κλίνες ΜΕΘ για Covid-19

Ερευνητές από τον Καναδά ανέπτυξαν ένα σύστημα τεχνητής νοημοσύνης που μπορεί να βοηθήσει τους γιατρούς να προβλέπουν νωρίτερα πόσες κλίνες Μονάδων Εντατικής Θεραπείας (ΜΕΘ) για ασθενείς με Covid-19 θα χρειαστούν το επόμενο διάστημα. Το σύστημα προβλέπει με ακρίβεια άνω του 95% αν ένας νέος ασθενής με Covid-19 που εισάγεται στο νοσοκομείο, τελικά θα χρειαστεί εισαγωγή σε ΜΕΘ.

Οι επιστήμονες του Πανεπιστημίου του Γουότερλου και της νεοφυούς εταιρείας DarwinAI, οι οποίοι έκαναν σχετική προδημοσίευση στο arXiv και θα την παρουσιάσουν στις 10 Δεκεμβρίου στο μεγαλύτερο συνέδριο τεχνητής νοημοσύνης στον κόσμο «2021 Conference on Neural Information Processing Systems», ανέπτυξαν ένα «έξυπνο» σύστημα που προβλέπει τις μελλοντικές εισαγωγές ασθενών σε ΜΕΘ, αναλύοντας περισσότερα από 200 κλινικά δεδομένα κάθε νοσηλευόμενου ασθενούς (ιατρικό ιστορικό, τεστ αίματος, ζωτικές ενδείξεις κ.α.).

Η «εκπαίδευση» του συστήματος τεχνητής νοημοσύνης έγινε με βάση περίπου 400 περιστατικά σε νοσοκομείο του Σάο Πάουλο της Βραζιλίας, όπου οι γιατροί είχαν αποφασίσει αν οι ασθενείς με Covid-19 θα έπρεπε να εισαχθούν σε ΜΕΘ και πότε. Το σύστημα έχει διαφάνεια στις αποφάσεις του, δηλαδή επισημαίνει στους γιατρούς τους βασικούς παράγοντες με βάση τους οποίους κρίνει ότι θα χρειαστεί εισαγωγή ενός ασθενούς σε ΜΕΘ.

Το σύστημα δεν αποσκοπεί στο να αντικαταστήσει τους γιατρούς, αλλά να τους βοηθήσει στο έργο τους εν μέσω πανδημίας, δίνοντάς τους ένα εργαλείο ταχύτερης λήψης αποφάσεων και επιλογής των ασθενών υψηλού κινδύνου. Οι ερευνητές έχουν καταστήσει ελεύθερη την τεχνολογία τους, ώστε επιστήμονες και μηχανικοί από όλο τον κόσμο να μπορέσουν να τη βελτιώσουν.

Σύνδεσμος για την επιστημονική προδημοσίευση:

https://arxiv.org/pdf/2109.06711.pdf

ΠΔΡ – ΑΠΕ ΜΠΕ

error: Content is protected !!