Μία νέα δημιουργία με Τεχνητή Νοημοσύνη έρχεται από τον Δραμινό καταξιωμένο επιστήμονα Θεόδωρο Ζάνο. Ο μηχανισμός που δημιούργησε προβλέπει την δημιουργία ενδονοσοκομειακού συμβάντος σε προηγούμενο χρόνο 17 ωρών με αποτέλεσμα την έγκαιρη προειδοποίηση του προσωπικού των Νοσοκομείων ώστε να προετοιμαστούν για να αντιμετωπίσουν με επιτυχία σοβαρό ενδονοσοκομειακό συμβάν όπως έμφραγμα, εμβολή, οξεία λοίμωξη κ.λ.π.
Τα ευρήματα, που δημοσιεύθηκαν στο Nature Communications, δείχνουν ότι η παρακολούθηση ζωτικών σημείων χρησιμοποιώντας φορητές συσκευές με τεχνητή νοημοσύνη μπορεί να βοηθήσει τους ασθενείς και το προσωπικό των νοσοκομείων. Ενώ τα νοσοκομεία σε εθνικό επίπεδο θέλουν να αποτρέψουν την υποτροπή των ασθενών και την ανάγκη για μη προγραμματισμένες μεταφορές σε Μονάδα Εντατικής Θεραπείας (ΜΕΘ), ερευνητές από τα Ινστιτούτα Ιατρικής Έρευνας Feinstein του Northwell Health δημοσίευσαν στο Nature Communications μια νέα μελέτη σχετικά με τις φορητές συσκευές που τροφοδοτούνται από τεχνητή νοημοσύνη (AI).
Η μελέτη έδειξε ότι ο αλγόριθμος AI [Τεχνητής Νοημοσύνης] μπορεί να προβλέψει την επιδείνωση της κατάστασης του ασθενούς έως και 17 ώρες πριν από την εμφάνιση δυσμενών κλινικών αποτελεσμάτων, παρέχοντας την ευκαιρία για έγκαιρη παρέμβαση και βελτίωση των αποτελεσμάτων των ασθενών. Η νέα μελέτη, με τίτλο «Ανάπτυξη και επικύρωση ενός κλινικού, φορετού μηχανισμού, βασισμένου σε βαθιά μάθηση, συνεχούς ενδονοσοκομειακής πρόβλεψης επιδείνωσης», διεξήχθη από τον Θεόδωρο Π. Ζάνο, PhD, επικεφαλής του Τμήματος Τεχνητής Νοημοσύνης Υγείας του Northwell και αναπληρωτή καθηγητή στο Ινστιτούτο Βιοηλεκτρονικής Ιατρικής και στο Ινστιτούτο Επιστήμης Συστημάτων Υγείας των Ινστιτούτων Feinstein. «Προς το παρόν, το προσωπικό των νοσοκομείων βασίζεται σε διαλείποντες ελέγχους ζωτικών σημείων ενός ασθενούς, όπως ο καρδιακός ρυθμός ή η θερμοκρασία του, για να εντοπίσει επιδεινούμενες καταστάσεις», δήλωσε ο Δρ. Ζάνος για να προσθέσει ότι «Συνδυάζοντας τις κλινικές φορετές συσκευές με τον αλγόριθμο προγνωστικής τεχνητής νοημοσύνης που έχουμε αναπτύξει, μπορούμε να βοηθήσουμε τους κλινικούς ιατρούς να εντοπίσουν αυτές τις επιδεινώσεις πολύ νωρίτερα και με μεγαλύτερη ακρίβεια από τις τυπικές βαθμολογίες έγκαιρης προειδοποίησης, βελτιώνοντας τα αποτελέσματα των ασθενών».
Κλινικές φορετές συσκευές, συμπεριλαμβανομένου του βιοαισθητήρα VitalPatch® από την Vital Connect, Inc., τοποθετήθηκαν στο στήθος 888 ενήλικων ασθενών εκτός ΜΕΘ στο Northwell, καταγράφοντας τον καρδιακό ρυθμό, τον αναπνευστικό ρυθμό, τη θερμοκρασία και την κίνηση. Το μοντέλο τεχνητής νοημοσύνης ανέλυε συνεχώς δεδομένα από τις κλινικές φορετές συσκευές και τα δημογραφικά στοιχεία και επισήμανε ασθενείς που διατρέχουν κίνδυνο κατά μέσο όρο 17 ώρες πριν επιδεινωθεί η κατάστασή τους. Η τεχνητή νοημοσύνη προέβλεψε το 50% των ενεργοποιήσεων ομάδων ταχείας αντίδρασης, οι οποίες συνεπάγονται κινητοποίηση μιας κλινικής ομάδας έκτακτης ανάγκης για να βοηθήσει τον ασθενή τη στιγμή της επιδείνωσης. Προέβλεψε περισσότερο από το 83% των μη προγραμματισμένων μεταφορών σε ΜΕΘ – ασθενείς που θεωρούνταν σταθεροί των οποίων η κατάσταση επιδεινώθηκε – και εντόπισε όλες τις περιπτώσεις που θα αφορούσαν αναπνευστικούς σωλήνες, καρδιακή ανακοπή ή θάνατο εντός 24 ωρών. Είναι σημαντικό ότι ο αλγόριθμος τεχνητής νοημοσύνης είναι ανεξάρτητος από την κλινική φορετή συσκευή που χρησιμοποιείται, εφόσον οι μετρήσεις είναι ακριβείς.
Ο Δρ. Ζάνος και η ομάδα του, συμπεριλαμβανομένου του ανώτερου βιοϊατρικού μηχανικού και πρώτου συγγραφέα της εργασίας, Michael Scheid, PhD, ανέπτυξαν το μοντέλο Τεχνητής Νοημοσύνης, γνωστό ως μοντέλο επαναλαμβανόμενου νευρωνικού δικτύου (RNN), το οποίο αξιοποιεί δεδομένα συνεχούς παρακολούθησης (CM) από τους φορετούς βιοαισθητήρες. «Ο Δρ. Ζάνος και η ομάδα του συνεχίζουν να πρωτοπορούν σε νέα εργαλεία Τεχνητής Νοημοσύνης για χρήση σε νοσοκομεία και κλινικές», δήλωσε ο Kevin J. Tracey, MD, πρόεδρος και διευθύνων σύμβουλος των Ινστιτούτων Feinstein και της Διακεκριμένης Έδρας Ιατρικής Έρευνας της Οικογένειας Karches και πρόσθεσε «Αυτή η έρευνα αξιοποιεί δεδομένα, τεχνολογία και κλινική εμπειρογνωμοσύνη για τη βελτίωση της ασφάλειας και της αποτελεσματικότητας στη φροντίδα των ασθενών».
Στη βιοηλεκτρονική ιατρική τα Ινστιτούτα Ιατρικής Έρευνας Feinstein είναι η παγκόσμια
επιστημονική έδρα της βιοηλεκτρονικής ιατρικής, είναι πρωτοπόροι συνδυάζοντας τη μοριακή ιατρική, τη νευροεπιστήμη και τη βιοϊατρική μηχανική. Στα Ινστιτούτα Feinstein, οι
ιατρικοί ερευνητές χρησιμοποιούν σύγχρονη τεχνολογία για να αναπτύξουν νέες θεραπείες
που βασίζονται σε συσκευές για τη θεραπεία ασθενειών και τραυματισμών. Βασιζόμενοι σε
χρόνια έρευνας σχετικά με τους μοριακούς μηχανισμούς των ασθενειών και τη σύνδεση
μεταξύ του νευρικού και του ανοσοποιητικού συστήματος.
Oι ερευνητές των Ινστιτούτων Feinstein ανακάλυψαν νευρωνικούς στόχους που μπορούν να ενεργοποιηθούν ή να ανασταλούν με συσκευές νευροδιαμόρφωσης, όπως εμφυτεύματα πνευμονογαστρικού νεύρου, για τον έλεγχο της ανοσολογικής απόκρισης και της φλεγμονής του σώματος. Εάν η φλεγμονή ελεγχθεί με επιτυχία, ασθένειες –όπως η αρθρίτιδα, η πνευμονική υπέρταση, η καρδιακή ανεπάρκεια, οι φλεγμονώδεις νόσοι του εντέρου, ο διαβήτης, ο καρκίνος και οι αυτοάνοσες ασθένειες– μπορούν να αντιμετωπιστούν πιο
αποτελεσματικά.
Με την παραγωγή βιοηλεκτρονικής ιατρικής γνώσης, οι ασθένειες και οι τραυματισμοί θα
μπορούσαν μια μέρα να αντιμετωπιστούν με τα δικά μας νεύρα χωρίς δαπανηρά και δυνητικά επιβλαβή φαρμακευτικά προϊόντα. Αυτή η έρευνα είναι το αποτέλεσμα μιας επιχορήγησης 3 εκατομμυρίων δολαρίων από τα Εθνικά Ινστιτούτα Υγείας (NIH) που
απονεμήθηκε στον Δρ.Ζάνο το 2023. Προηγουμένως, το 2020, αυτός και το εργαστήριό του
ανέπτυξαν ένα ψηφιακό εργαλείο που προβλέπει τη σταθερότητα ενός νοσηλευόμενου ασθενούς κατά τη διάρκεια της νύχτας και καθορίζει εάν θα μπορούσε να μείνει ανενόχλητος κατά τη διάρκεια της νύχτας για να κοιμηθεί, να αναρρώσει και να πάρει εξιτήριο πιο γρήγορα. Αυτό το εργαλείο παρακολούθησης ζωτικών σημείων, που ονομάζεται “Let
Sleeping Patients Lie”, τον οδήγησε στο να γίνει φιναλίστ για το βραβείο World Changing Ideas Award 2021 της Fast Company.
