Новые "строительные блоки" (готовые модули) для создания цифровых инструментов, включающих данные и искусственный интеллект (ИИ), могут сыграть ключевую роль в улучшении работы больниц и управления заболеваниями, говорится в результатах нового исследования.
Исследование, проведенное в британском Национальном институте исследований в области здравоохранения и медицинского ухода (NIHR) Лестерского центра биомедицинских исследований, предполагает, что использование пакета цифровых "строительных блоков" для создания программ поддержки принятия клинических решений позволит создать цифровые инструменты, которые помогут медицинскому персоналу более эффективно расставлять приоритеты в уходе за пациентами и распределять рабочую нагрузку.
В исследовании, опубликованном в журнале Frontiers in Digital Health, описывается, как система компьютерных модулей, разработанная группой ученых, может обеспечить более быстрое и эффективное внедрение протоколов управления заболеваниями при работе с местными пациентами с внебольничной пневмонией. В статье также рассматривается возможность применения этого подхода в здравоохранении в целом.
Разработанная учеными система "строительных блоков" - Embeddable AI and State-based Understandable Logic (EASUL) - может использовать исторические данные, электронные медицинские карты и включать алгоритмы для создания цифровых платформ, которые учитывают различные этапы клинического лечения пациентов и позволяют медицинскому персоналу изучать их, включая вероятные исходы.
В ходе исследования ученые смоделировали сценарии, используя имеющиеся данные о пациентах и консультации групп специалистов по лечению пневмонии, чтобы проверить, как программа, созданная на основе EASUL, может быть применена для оказания помощи врачам в ведении пациентов, поступивших с этим заболеванием. Программе были предоставлены данные 52 471 взрослого пациента, поступивших в период с апреля по июнь 2022 г., у 630 из которых была диагностирована внебольничная пневмония. Полученные программой рекомендации и информация сравнивались с клиническими оценками риска, которые давала группа специалистов в этой сфере.
При сравнении оценка риска EASUL совпала с оценкой группы экспертов в 49,4% случаев. EASUL не отнесла к категории низкого риска ни одного пациента, который был оценен клинической группой как пациент высокого риска. Кроме того, EASUL выявила 57 случаев, которые при рассмотрении учеными должны были быть отнесены к категории высокого риска, но были зарегистрированы клиническим персоналом только как низкий или умеренный. Авторы работы подчеркнули, что эти различия, скорее всего, объясняются индивидуальной клинической оценкой, когда широкая оценка риска не считалась клинически целесообразной. Из-за недостатка информации в имеющихся данных о пациентах включить этот элемент в оценку не представлялось возможным.
Еще одним потенциальным преимуществом системы EASUL ученые считают ее гибкую конструкцию. Она позволяет легко включать в систему "данные на лету", собираемые по мере проведения лечения и исследований. Кроме того, система разработана в формате, который потенциально может быть интегрирован с существующими цифровыми системами поддержки принятия клинических решений.
В результате система EASUL может быть адаптирована к потребностям различных клинических учреждений. Кроме того, система автоматически корректирует расчеты в случае отсутствия данных, что позволяет предоставлять надежную и актуальную информацию медицинскому персоналу в самых разных ситуациях.
Главный исследователь доктор Роберт Фри сказал:
Наша экспериментальная клиническая система позволила продемонстрировать, как такой блочный подход может работать с алгоритмами различной сложности в процессе лечения пациента. Используя EASUL, мы смогли включить как простые оценки риска, так и уже существующую модель искусственного интеллекта в рабочий процесс, управляемый данными в режиме реального времени, и затем представить ее врачам, помогая им принимать решения в отношении пациентов.
Гибкость такого подхода означает, что он может быть расширен для поддержки различных типов данных, адаптивных рабочих процессов, включая усовершенствованные модели искусственного интеллекта, и, возможно, мобильных приложений. Кроме того, он может быть использован для поддержки медицинских действий, направленных на пациента, таких как дистанционный мониторинг.
Источник: Digital Health News
Подписывайтесь на EverCare в социальных сетях:
