Οι γιατροί διαγιγνώσκουν τη δυσλειτουργία της αριστερής κοιλίας χρησιμοποιώντας εργαλεία προσυμπτωματικού ελέγχου που βασίζονται στην τεχνητή νοημοσύνη

Η τεχνητή νοημοσύνη (AI) μπορεί να βελτιώσει τη διάγνωση και τη θεραπεία ασθενών, αλλά πρώτα τα κλινικά εργαλεία που λειτουργούν με τεχνητή νοημοσύνη πρέπει να είναι άμεσα διαθέσιμα και χρησιμοποιήσιμα. Μια νέα μελέτη από την Mayo Clinic δείχνει ότι οι γιατροί που ήταν πολύ ευνοϊκοί στη χρήση ενός εργαλείου υποστήριξης κλινικής απόφασης βασισμένο στην τεχνητή νοημοσύνη είχαν διπλάσιες πιθανότητες να διαγνώσουν κλάσμα εξώθησης κάτω αριστερής κοιλίας από εκείνους που δεν το έκαναν.

Πίστωση εικόνας: Skorzewiak/Shutterstock

Αυτή η μελέτη δημοσιεύτηκε στο Πρακτικά της Mayo Clinic Και υπήρξε μεγάλη διαφοροποίηση στο ποσοστό αποδοχής των συστάσεων τεχνητής νοημοσύνης. Το ιατρικό προσωπικό που είχε υψηλή υιοθέτηση έτεινε να είναι λιγότερο εξειδικευμένο στη φροντίδα ασθενών με πολύπλοκα προβλήματα υγείας. Ωστόσο, η ηλικία, τα χρόνια εμπειρίας, το φύλο και ο αριθμός των ασθενών υπό φροντίδα δεν ήταν σημαντικοί παράγοντες.

Ήταν έκπληξη να δούμε μια σημαντική διαφορά στα ποσοστά ανίχνευσης μεταξύ υψηλών και χαμηλών εφαρμογών. Αυτό το εργαλείο είναι πολύ χρήσιμο, αλλά δεν περιμέναμε να διπλασιάσει το ποσοστό ανίχνευσης του χαμηλού κλάσματος εγκατάλειψης σε σύγκριση με τους χαμηλούς χρήστες.

David Rushlow, MD, γιατρός και επικεφαλής της οικογενειακής ιατρικής, Mayo Clinic (Midwest)

Το κλάσμα εξώθησης υπολογίζει το ποσοστό του αίματος που εκτοξεύεται από την καρδιά κατά τη διάρκεια κάθε συστολής. Ένα χαμηλό κλάσμα εξώθησης μπορεί να συμβεί λόγω αδυναμίας του καρδιακού μυός, όπως μυοκαρδιοπάθεια, καθώς και προβλήματα καρδιακής βαλβίδας, βλάβη από καρδιακή προσβολή ή ανεξέλεγκτη υψηλή αρτηριακή πίεση.

Η έγκαιρη διάγνωση και φροντίδα ασθενών με χαμηλό κλάσμα εξώθησης είναι σημαντική για τη μείωση του κινδύνου συμπτωματικής καρδιακής ανεπάρκειας, νοσηλείας και θανάτου.

Τα εργαλεία υποστήριξης αποφάσεων της τεχνητής νοημοσύνης έχουν τη δυνατότητα να είναι πολύ αποτελεσματικά στη διάγνωση σοβαρών ασθενειών πριν από την εμφάνιση τυπικών κλινικών συμπτωμάτων και μπορεί να ξεπεράσουν τις παραδοσιακές διαγνωστικές προσεγγίσεις.

David Rushlow, MD, γιατρός και επικεφαλής της οικογενειακής ιατρικής, Mayo Clinic (Midwest)

Γιατροί από 48 κέντρα πρωτοβάθμιας περίθαλψης της Mayo Clinic στο Ουισκόνσιν και τη Μινεσότα συμμετείχαν σε μια τυχαιοποιημένη ελεγχόμενη δοκιμή που περιελάμβανε 358 νοσηλευτές, γιατρούς και βοηθούς ιατρούς, από τους οποίους 165 τυχαιοποιήθηκαν στο σκέλος AI και συμπεριλήφθηκαν στην παρούσα μελέτη. .

Ο αλγόριθμος AI δοκιμάστηκε σε 22.641 ασθενείς που έκαναν ηλεκτροκαρδιογράφημα (ΗΚΓ) μεταξύ 5 Αυγούστου.το έβδομο2019 και 31 ΜαρτίουΔρόμος, 2020. Οι γιατροί που τυχαιοποιούνται στην ομάδα παρέμβασης μπορούν να έχουν πρόσβαση σε μια αναφορά προσυμπτωματικού ελέγχου που δείχνει αρνητικό ή θετικό έλεγχο AI-ECG. Δεν είχαν πρόσβαση σε γιατρούς τυχαιοποιημένους στην τυπική περίθαλψη.

Όταν η αναφορά έδειξε αρνητικό αποτέλεσμα, δεν προτάθηκαν πρόσθετες εξετάσεις, αλλά όταν ήταν θετικό, προτάθηκαν “Εξέταση παραγγελίας υπερηχοκαρδιογραφήματος.” Όταν ο έλεγχος AI-ECG ήταν θετικός, ελήφθη επίσης μια ειδοποίηση μέσω email από τους γιατρούς που έδειχνε ότι οι ασθενείς είχαν μεγάλη πιθανότητα μη ανιχνευθέντος προηγουμένως χαμηλού κλάσματος εξώθησης.

Οι γιατροί που ήταν πιο πιθανό να ακολουθήσουν τις συστάσεις για τη λήψη αποφάσεων AI ήταν λιγότερο έμπειροι στην αντιμετώπιση πολύπλοκων ασθενών..

David Rushlow, MD, γιατρός και επικεφαλής της οικογενειακής ιατρικής, Mayo Clinic (Midwest)

Αυτό καταδεικνύει τη σημασία των συστημάτων τεχνητής νοημοσύνης που ενσωματώνονται απρόσκοπτα στις ροές εργασίας των κλινικών γιατρών. Λόγω της τεχνικής φύσης της τεχνητής νοημοσύνης στην υγειονομική περίθαλψη, συχνά ξεκινά και αναπτύσσεται σε εξειδικευμένες ακαδημαϊκές πρακτικές. Για να μεγιστοποιηθούν τα οφέλη της τεχνητής νοημοσύνης, απαιτείται μεγαλύτερη συνεργασία μεταξύ των πρακτικών ειδικότητας και της πρωτοβάθμιας περίθαλψης. πρόσθεσε ο Δρ Ράσλοου.

Η Mayo Clinic κατέχει το δίπλωμα ευρεσιτεχνίας για την τεχνολογία AI και μπορεί να επωφεληθεί από αυτήν, αλλά δεν θα επωφεληθεί οικονομικά από τη χρήση της στη θεραπεία ασθενών στην κλινική Mayo. Οι συν-συγγραφείς αυτής της μελέτης, ο Itzhak Attia, Ph.D., ο Paul Friedman, MD και ο Francisco Lopez-Jimenez, MD, ενδέχεται επίσης να λάβουν οικονομικά οφέλη από αυτήν τη σύμβαση. Άλλοι συν-συγγραφείς της μελέτης αναφέρουν ότι δεν υπάρχουν ανταγωνιστικά ενδιαφέροντα.

Αυτή η μελέτη έλαβε μερική υποστήριξη από την Mayo Clinic, Robert D. και Patricia E. Το Kern Center for Health Care Delivery Sciences έλαβε

Αναφορά περιοδικού:

Rushlow, DR. et al. (2022) Αποδοχή γιατρού ενός αλγόριθμου τεχνητής νοημοσύνης για τη διάγνωση της συστολικής δυσλειτουργίας της αριστερής κοιλίας στην πρωτοβάθμια φροντίδα. Πρακτικά της Mayo Clinic. doi.org/10.1016/j.mayocp.2022.04.008.

Πηγή: https://mayoclinic.org

Leave a Comment