Τα άτομα που χρησιμοποιούν εργαλεία προσυμπτωματικού ελέγχου με δυνατότητα AI είναι πιο πιθανό να ανιχνεύσουν δυσλειτουργία της αριστερής κοιλίας.

ROCHESTER, Minn. – Η τεχνητή νοημοσύνη μπορεί να βελτιώσει τη διάγνωση και τη θεραπεία των ασθενών, αλλά πρώτα, τα κλινικά εργαλεία εξοπλισμένα με τεχνητή νοημοσύνη πρέπει να είναι εύκολα διαθέσιμα και να χρησιμοποιηθούν.

Νέα έρευνα στην κλινική Mayo δείχνει ότι οι γιατροί που υιοθέτησαν ένα εργαλείο υποστήριξης κλινικής απόφασης βασισμένο στην τεχνητή νοημοσύνη είχαν διπλάσιες πιθανότητες να διαγνώσουν χαμηλό κλάσμα εξώθησης αριστερής κοιλίας από εκείνους που δεν το έκαναν. Η μελέτη, που δημοσιεύτηκε στο Mayo Clinic Proceedings, βρήκε μεγάλη ποικιλία στην αποδοχή των συστάσεων AI. Οι γιατροί με υψηλές εισαγωγές είχαν μικρότερη εμπειρία στην αντιμετώπιση ασθενών με περίπλοκα προβλήματα υγείας, αλλά η ηλικία, το φύλο, τα χρόνια εμπειρίας και ο αριθμός των ασθενών που έλαβαν φροντίδα δεν ήταν σημαντικοί παράγοντες.

«Ήταν εκπληκτικό να βλέπουμε μια τόσο σημαντική διαφορά στα ποσοστά ανίχνευσης μεταξύ υψηλού υιοθέτη και χαμηλού υιοθέτη», λέει ο David Rushlow, MD, γιατρός της Mayo Clinic και επικεφαλής της οικογενειακής ιατρικής για την Mayo Clinic Midwest. “Αυτό το εργαλείο είναι πολύ χρήσιμο, αλλά δεν περιμέναμε να διπλασιάσει το ποσοστό ανίχνευσης του χαμηλού κλάσματος αναπήδησης σε σύγκριση με τους χαμηλούς χρήστες.”

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

Η έγκαιρη διάγνωση και θεραπεία σε ασθενείς με χαμηλό κλάσμα εξώθησης είναι κρίσιμη για τη μείωση του κινδύνου συμπτωματικής καρδιακής ανεπάρκειας, νοσηλείας και θνησιμότητας. «Τα εργαλεία υποστήριξης αποφάσεων 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», λέει ο Δρ. Ράσλοου.

Γιατροί σε 48 κέντρα πρωτοβάθμιας φροντίδας της Mayo Clinic στη Μινεσότα και το Ουισκόνσιν συμμετείχαν σε μια τυχαιοποιημένη ελεγχόμενη δοκιμή που περιελάμβανε 358 γιατρούς, νοσηλευτές και βοηθούς ιατρούς, από τους οποίους 165 τυχαιοποιήθηκαν στη μονάδα AI και συμπεριλήφθηκαν στην τρέχουσα ανάλυση εισαγωγής. περιλαμβάνεται. Ο αλγόριθμος AI εκτελέστηκε σε 22.641 ασθενείς που υποβλήθηκαν σε ηλεκτροκαρδιογράφημα (ΗΚΓ) μεταξύ 5 Αυγούστου 2019 και 31 Μαρτίου 2020. Οι γιατροί που τυχαιοποιήθηκαν στην ομάδα παρέμβασης είχαν πρόσβαση σε μια αναφορά διαλογής που εμφάνιζε AI-. ΗΚΓ έλεγχος ως θετικός ή αρνητικός. Οι γιατροί που τυχαιοποιήθηκαν στη συνήθη φροντίδα δεν είχαν πρόσβαση.

Όταν η αναφορά ήταν αρνητική, δεν συνιστώνταν περαιτέρω εξετάσεις, αλλά όταν ήταν θετική, συνιστάται να «εξεταστεί το ενδεχόμενο παραγγελίας υπερηχοκαρδιογραφίας». Οι κλινικοί γιατροί έλαβαν επίσης μια ειδοποίηση μέσω email όταν ο έλεγχος AI-ECG ήταν θετικός, υποδεικνύοντας ότι οι ασθενείς είχαν μεγάλη πιθανότητα για χαμηλό κλάσμα εξώθησης που δεν είχε διαγνωστεί προηγουμένως.

«Οι γιατροί που ήταν πιο πιθανό να ακολουθήσουν τις συστάσεις για τη λήψη αποφάσεων AI ήταν λιγότερο έμπειροι στην αντιμετώπιση πολύπλοκων ασθενών», λέει ο Δρ Ράσλοου. 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. Απαιτείται μεγαλύτερη συνεργασία μεταξύ των πρακτικών ειδικότητας και της πρωτοβάθμιας περίθαλψης για να μεγιστοποιηθούν τα οφέλη της τεχνητής νοημοσύνης.

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 φροντίδα ασθενών στην Mayo Clinic. Οι συν-συγγραφείς Itzhak Attia, Ph.D., Paul Friedman, MD, και Francisco Lopez-Jimenez, MD, ενδέχεται επίσης να λάβουν οικονομικά οφέλη από αυτήν τη συμφωνία. Οι άλλοι συν-συγγραφείς δεν αναφέρουν ανταγωνιστικά ενδιαφέροντα.

Αυτή η μελέτη υποστηρίχθηκε εν μέρει από τους Robert D. και Patricia E της Mayo Clinic. Υποστήριξε το Kern Center for Health Care Delivery Sciences.

/ Δημόσια έκδοση. Αυτό το υλικό από τον αρχικό οργανισμό/συγγραφέα μπορεί να είναι ad hoc, επεξεργασμένο για λόγους σαφήνειας, στυλ και έκτασης. Οι απόψεις και οι απόψεις που εκφράζονται είναι αυτές των συγγραφέων. Δείτε αναλυτικά εδώ.

Leave a Comment