کد خبر: ۵۴۵۱۲
۲۵ بهمن ۱۴۰۲ - ۲۳:۳۶
سپسیس یک وضعیت بالقوه تهدید کننده زندگی است که در اثر تخریب بافت های بدن در پاسخ به عفونت ایجاد می شود و باعث التهاب شدید و آسیب گسترده به اندام های داخلی می شود. تخمین زده می شود که سپسیس سالانه حداقل 350000 آمریکایی را می کشد.

  سپسیس (یا مسمومیت خون، گندخونی یا پلشت خونی) یک بیماری تهدید کننده زندگی است که به دلیل پاسخ بدن شما به عفونت ایجاد می شود.
تشخیص زودهنگام این وضعیت برای نجات جان انسان ها ضروری است. تحقیقات پزشکی نشان داده است که تیم‌های پزشکی هر چه زودتر علائم سپسیس را تشخیص دهند، زودتر می‌توانند آنتی‌بیوتیک‌ها و مایعات داخل وریدی نجات‌دهنده را به بیمار بدهند، که از تلاش‌های بدن برای بازگرداندن تعادل حمایت می‌کند.

تیمی از محققان و پزشکان در مرکز بهداشت UC San Diego در حال کار برای یافتن اینکه آیا هوش مصنوعی می‌تواند به تشخیص زودهنگام سپسیس کمک کند یا خیر. در یک مقاله تحقیقاتی، محققان دریافتند که یک سیستم توسعه‌یافته داخلی به نام COMPOSER AI یک مدل است. آموزش ماشینی با استفاده از بیش از 100000 پرونده دیجیتالی بیماران سپسیس می تواند به کاهش میزان مرگ و میر کمک کند.

این مدل هر ساعت به بررسی سوابق الکترونیکی مراقبت های بهداشتی بیماران اورژانسی مرکز پزشکی می پردازد و عواملی مانند داروهای تجویز شده و آخرین آمار جمع آوری شده مهم را بررسی می کند تا بر اساس سوابق پزشکی جمع آوری شده قبلی پیش بینی کند که چه کسانی ممکن است در مراحل اولیه سپسیس باشند.


گابریل واردی، پزشک اورژانس، متخصص سپسیس و یکی از نویسندگان مقاله، می‌گوید ارزش واقعی الگوریتم‌های آموزشی در ناحیه خاکستری بین سپسیس و بسیاری از شرایط دیگر است که می‌تواند شبیه سپسیس باشد.

واردی گفت: "اکثر موارد سپسیس که به بخش اورژانس مراجعه می کنند می توانند توسط یک دانشجوی پزشکی یا فارغ التحصیل اخیر دیده شوند." وی افزود: این افراد از تب، ضربان قلب سریع و فشار خون پایین رنج می برند و برای تشخیص اینکه این فرد مبتلا به سپسیس است نیازی به الگوریتم های هوش مصنوعی نیست.

اما برخی موارد به اندازه کافی روشن نیستند. بیماران اغلب با علائم ظریف مانند ضعف عمومی مراجعه می کنند که ممکن است نشان دهنده سپسیس زودرس یا بسیاری از مشکلات پزشکی دیگر باشد.

بیشتر اوقات، چیزی که اتفاق می افتد این است که ما آزمایش های خونی انجام می دهیم.

زمانی که تشخیص مبهم است الگوریتم‌ها در این مواقع به پزشکان کمک می‌کنند.

مطالعه مدل "Composer" که در مجله پزشکی NBJ Digital منتشر شد، شامل 6217 بیمار در بخش اورژانس در بیمارستان UC San Diego بود. محققان دریافتند که میزان مرگ و میر ناشی از سپسیس برای افرادی که با دستگاه کامپوسر درمان شده بودند 9.5 درصد بود که در مقایسه با نرخ مرگ و میر مورد انتظار 11.39 درصد کاهش 1.9 درصدی داشت. میزان مرگ و میر در میان گروه مورد مطالعه بدون مدل کامپوزر 10.3 درصد بود.

دکتر کارن مولندر، مدیر انجمن سپسیس، وقتی مقاله را بررسی کرد  گفت اگرچه کار عمیق تری باید انجام شود، اما یافته ها دلگرم کننده هستند.

محققان توضیح دادند که کاهش 1.9 درصدی تخمین زده شده در میزان مرگ و میر، اگرچه اندک است، اما به معنای زنده ماندن 22 بیمار سپسیس است که ممکن است بر اثر این بیماری جان خود را از دست بدهند.

پیشنهاد سردبیر
پربازدیدترین ها