متخصصان ابزار مبتنی بر هوش مصنوعی طراحی کردهاند که میتواند به صورت زودهنگام پیشبینی کند آیا بیماران مبتلا به کرونای حاد و بستری در بیمارستان از این بیماری جان سالم به در میبرند یا احتمال فوت آنها وجود دارد. این پیشبینی به پزشکان کمک میکند تا بیماران در معرض خطر مرگ را سریعتر شناسایی کنند.
برای توسعه این ابزار، دانشمندان از دادههای بیوشیمیایی نمونههای خون معمولی گرفته شده از نزدیک به 30,000 بیمار بستری در بیش از 150 بیمارستان در اسپانیا، ایالات متحده، هندوراس، بولیوی و آرژانتین بین مارس 2020 تا فوریه 2022 استفاده کردهاند.
این الگوریتم که CODOP نامیده میشود، از اندازهگیری 12 مولکول خون استفاده میکند که به صورت معمول در طول بستری شدن در بیمارستان جمعآوری میشوند.
در نهایت محققان دریافتند که این الگوریتم با دقت بالایی زنده ماندن و مرگ بیماران بستری شده در بیمارستان را تا 9 روز قبل از وقوع هر یک از علایمی که نشان میدهد بیمار در وضعیت خطر قرار دارد، پیشبینی میکند.
پیش بینی زودهنگام مرگ ناشی از کرونا با هوش مصنوعی
شناسایی افراد در معرض خطر مرگ مبتلا به کرونا موضوع مهمی است و اکنون ابزار مبتنی بر هوش مصنوعی به کمک پزشکان میآید تا بتوانند به سرعت بیماران در معرض خطر مرگ ناشی از ابتلا به نوع حاد ویروس کرونا را شناسایی کنند. الگوریتمهای طراحی شده برای این ابزار هوشمند میتواند به پزشکان کمک کند تا متوجه شوند کدام یک از بیماران به مراقبتهای ویژه و فوری نیاز دارند.
این ابزار خصوصا در کشورهایی که با محدودیت تعداد پرسنل کادر درمان و همچنین محدودیتهای مراقبتهای بهداشتی روبرو هستند، میتواند ارزشمند باشد. با وجودی که کرونا این روزها از نقطه اوج خود فروکش کرده، ولی متخصصان در تلاشند تا ابزارهای لازم برای مهار سویههای جدید و موجهای جدید بیماری را توسعه دهند.
محققان میگویند لازم است تا ابزارهایی طراحی شوند تا به راحتی قابل استفاده باشند و بتوانند نیازهای عموم مردم را در سراسر جهان و حتی در کشورهای دارای محدودیت مرتفع سازند.
گرفتن خون از تعداد زیادی از بیماران به این معنی است که تیم توسعه ابزار میتواند دادههایی را از افراد با وضعیتهای ایمنی مختلف از جمله واکسینهشده، واکسینه نشده و افرادی که مصونیت طبیعی دارند و همچنین افراد آلوده به ویروس جمعآوری کند. همچنین محققان به این موضوع توجه کردند که زمان خونگیری چه تاثیری بر عملکرد ابزار خواهد داشت.
