به گزارش ایسنا و به نقل از تک اکسپلوریست، برای اولین بار یک گروه از محققان "موسسه تحقیقات پزشکی فاینستاین" ابزار بالینی پیش‌بینی یادگیری عمیق را برای شناسایی بیمارانی که لازم نیست در طول شب بیدار شوند تا علائم حیاتی آنها اندازه گیری شود، توسعه داده‌اند که این موضوع به آنها اجازه می‌دهد تا بیماران بیشتر استراحت کرده و زودتر بهبودی خود را به دست آورند. نتایج این مطالعه براساس بررسی یافته‌های ۲۴.۳ میلیون اندازه‌گیری علائم حیاتی به دست آمده است.
یک گروه از محققان به سرپرستی "تئودوروس زانوس"(Theodoros Zanos) داده‌های چندین بیمارستان نیویورک را بین سال‌های ۲۰۱۲ و ۲۰۱۹ جمع آوری و تجزیه و تحلیل کردند. آنها موفق به بررسی ۲.۱۳ میلیون ویزیت بیمار شدند. آنها از این حجم وسیع از داده‌های بالینی ویزیت‌های بیماران( ضربان تنفس، ضربان قلب، فشار خون سیستولیک، دمای بدن، سن بیمار و غیره) برای توسعه الگوریتمی استفاده کردند که می‌تواند میزان ثبات حال بیمار را در طول شب پیش‌بینی کند تا اگر وضعیت آنها عادی است دیگر پرستاران در طول شب آنها را برای اندازه گیری علائم حیاتی بیدار نکنند و آنها بتوانند یک خواب بدون وقفه و راحتی داشته باشند.
حال محققان این مطالعه با در نظر گرفتن این مشکل موفق به ابزاری مبتنی بر هوش مصنوعی به نام "بگذارید بیماران بخوابند"(Let Sleeping Patients Lie) شده‌اند.
دکتر زانوس گفت: استراحت یک عنصر مهم برای مراقبت از بیمار است و به خوبی اثبات شده است که اختلال در خواب شکایتی شایع است که می‌تواند بهبودی بیمار را به تأخیر بیندازد. یافته‌های ما نشان می‌دهد این دستگاه می‌تواند با بررسی این علائم سبب شود بیماران خوابی آرام و ایمن را تجربه کنند.
به طور متوسط کادر درمانی هر چهار تا پنج ساعت یک بیماران را برای چک کردن علائم حیاتی آنها از خواب بیدار می‌کنند اما این ابزار مفید این پتانسیل را دارد که کار شبانه کارکنان بیمارستان را کاهش دهد و از استرس کارکنان بکاهد. پرستاران بین ۲۰-۳۵ درصد از وقت خود را صرف مستندسازی علائم حیاتی بیماران می‌کنند و تقریباً ۱۰ درصد از شیفت خود را برای جمع آوری این اطلاعات اختصاص می‌دهند. بنابراین استفاده از چنین دستگاهی می‌تواند هم برای بیماران و هم کادر درمانی بسیار کاربردی و مفید باشد.
یافته‌های این مطالعه در مجله"Nature Partner Journals Digital Medicine" منتشر شده است.
منبع: ایسنا