"Если тяжелораненые пациенты направляются непосредственно в высококвалифицированное университетское медицинское учреждение, вероятность выживания значительно возрастает, поскольку там имеются все необходимые медицинские ресурсы для оказания квалифицированной помощи при любых типах травм. Поэтому необходимо более точно определять, кто является тяжелораненым, а кто нет, чтобы гарантировать каждому пациенту необходимое медицинское вмешательство и эффективное использование медицинских ресурсов," - подчеркивает Анна Бакиду, аспирантка в исследовательской группе Care@Distance - Remote and Prehospital Digital Health на кафедре электротехники в Техническом университете Шальмерса.
В недавно опубликованном исследовании Анна Бакиду и ее коллеги разработали пять различных математических моделей на основе данных о взрослых, которые обратились за медицинской помощью к скорой помощи в период с 2013 по 2020 год. Эти данные взяты из более чем 47 000 реальных случаев, полученных из Шведского реестра травм, который также отражает информацию о месте доставки пациентов. Путем анализа ряда сложных переменных, таких как частота дыхания, характер полученной травмы, артериальное давление, возраст и пол, стало очевидно, что все модели искусственного интеллекта могут предсказывать результаты лучше, чем клинические решения - то есть решения о транспортировке, принятые медицинским персоналом скорой помощи на месте происшествия.
Многие серьезно пострадавшие пациенты направляются в обычные больницы, без должного оборудования
Выяснилось, что 40 процентов серьезно пострадавших пациентов не были отправлены непосредственно в университетские больницы. В то же время, 45 процентов пациентов с незначительными повреждениями были направлены в университетские больницы ненужно, поскольку их повреждения могли быть обработаны в обычных больницах.
Сотрудники скорой помощи постоянно сталкиваются с трудными и быстрыми решениями. Наша надежда состоит в том, что более объективная система поддержки принятия решений сможет действовать как 'дополнительный член команды', который поможет сотрудникам увидеть более сложные взаимосвязи и обдумать ситуации, когда травмы могут быть сложно обнаружить или оценить.
В качестве примера можно упомянуть, что молодые люди, которые часто становятся жертвами дорожных аварий, часто оцениваются как более тяжело пострадавшие, чем на самом деле. С другой стороны, пожилые люди, попавшие в ситуации, такие как падения, часто рассматриваются как легко пострадавшие - несмотря на то, что их состояние может внезапно ухудшиться из-за таких последствий, как внутренние кровотечения.
Перед внедрением данной технологии в практику требуется несколько этапов
Хотя математические модели показывают, что множество человеческих жизней потенциально можно было бы спасти, до того как персонал скорой помощи сможет использовать данную технологию, предстоит еще долгий и сложный путь. Одним из ключевых этапов является разработка методов быстрого и удобного ввода всей информации в инструмент искусственного интеллекта, а также обеспечение возможности взаимодействия службы с пользователями эффективным образом.
Например, возможно ли вести диалог с инструментом, чтобы иметь возможность использовать обе руки? Каким образом можно интегрировать существующие рабочие процессы и протоколы с искусственным интеллектом, а также как обеспечить обновление рекомендаций для персонала при поступлении новых данных? Важно протестировать и учесть эти моменты при проведении дальнейших исследований и разработке прототипов.
Прежде чем ИИ-сервисы могут стать неотъемлемой частью повседневной работы сотрудников скорой помощи, также необходимы обширные клинические испытания в течение продолжительного времени.
Поживем - увидем.
Будущее все ближе!
Ссылка на журнал:
Бакидо А. и др . (2023). Модель прогнозирования тяжести травм на месте происшествия (OSISP), разработанная с использованием Шведского реестра травм. BMC Медицинская информатика и принятие решений . https://bmcmedinformdecismak.biomedcentral.com/articles/10.1186/s12911-023-02290-5 .
