Model řízený AI podporuje bezpečnější a přesnější zvládání hladiny hladiny krve po operaci srdce

Vědci na ICAHN School of Medicine na Mount Sinai vyvinuli nástroj strojového učení, který může lékařům pomoci zvládnout hladinu cukru v krvi u pacientů zotavujících se z chirurgie srdce, což je kritický, ale často obtížný úkol v jednotce intenzivní péče (ICU). Zjištění objevit se v NPJ Digital Medicine.

Po Srdeční chirurgiePacienti jsou ohroženi vysokým a nízká hladina cukru v krvicož může vést k vážným komplikacím. Řízení těchto fluktuací vyžaduje pečlivé dávkování inzulínu, ale stávající protokoly často nedosahují nepředvídatelné povaze péče o JIP a rozdíly mezi pacienty, říkají vyšetřovatelé.

Aby se tuto výzvu vyřešil, výzkumný tým vytvořil a Posílení učení Model, pojmenovaný glukóza, který doporučuje dávky inzulínu přizpůsobené potřebám každého pacienta. Při testech využívajících údaje z případů ICU v reálném světě se glukóza shodovala nebo dokonce překonala zkušené kliniky Hladina cukru v krvi V rámci bezpečného rozmezí – navzdory přístupu k pouze současným údajům o pacientech, zatímco lékaři používali plnou historii pacientů.

„Naše studie to ukazuje Umělá inteligence Lze zamyšleně a odpovědně vyvinout pro podporu, spíše než nahradit, klinický úsudek zdravotnických pracovníků, “říká odpovídající autor Ankit Sakhuja, MBBS, MS, docent medicíny (údaje a digitální medicínu) a člen institutu pro kritickou péči o medicínu na Mount Sinai.

„Ve složitém a vysokotlakém prostředí, jako je ICU, mohou nástroje, jako je glukóza, poskytnout pokyny zaměřené na údaje v reálném čase přizpůsobené jednotlivým pacientům. Tento druh podpory rozhodování může zvýšit bezpečnost, snížit riziko komplikací a nakonec umožnit klinickým lékařům více zaměřit se na kritické aspekty péče o pacienty.“

Výzkumný tým trénoval glukózu pomocí posilovacího učení, což umožnilo systému přijímat optimální rozhodnutí prostřednictvím pokusu a omylů. Použili také pokročilé metody – konzervativní a distribuční učení zesílení -, aby zajistili model, který byl učiněn opatrnými a spolehlivými doporučeními. Model byl poté přísně vyhodnocen a porovnán s klinickými praktikami v reálném světě.

I když jsou výsledky slibné, vědci jsou opatrní, že glukóza není určena k nahrazení lékařů. Slouží jako nástroj pro podporu klinického rozhodování a nabízí návrhy, že lékaři se mohou rozhodnout dodržovat na základě jejich úsudku a širšího klinického obrazu.

Model by mohl být nakonec integrován do elektronických systémů záznamů o zdraví, aby poskytoval na JIP pokyny pro dávkování inzulínu v reálném čase, což pomohlo snižovat komplikace a zlepšovat výsledky. Budoucí kroky zahrnují přizpůsobení nástroje pro použití v jiných nemocničních prostředích, provozování klinických hodnocení a zkoumání způsobů, jak jej integrovat do rutinní péče.

Jedním z současných omezení je, že model dosud nezohledňuje nutriční údaje, což může dlouhodobě ovlivnit dlouhodobější glukóza řízení. Schopnost glukózy však však vyvolává přesná doporučení založená na omezených datech v reálném čase, její potenciál zvýšit bezpečnost a efektivitu posturgické péče.

„Our goal is to develop AI systems that meaningfully augment the capabilities of health care providers and ultimately improve patient outcomes,“ says co-senior corresponding author Girish N. Nadkarni, MD, MPH, Chair of the Windreich Department of Artificial Intelligence and Human Health, Director of the Hasso Plattner Institute for Digital Health, and Irene and Dr. Arthur M. Fishberg Professor of Medicine at the Icahn School of Medicine at Mount Sinaj a hlavní ředitel AI zdravotnického systému Mount Sinai.

„Učením se z klinických údajů v reálném světě a poskytováním personalizovaných doporučení v reálném čase představují modely jako glukóza důležitý pokrok k integraci důvěryhodných nástrojů založených na údajích do klinického pracovního postupu. Tato studie nabízí pohled na to, jak může být AI zamyšleně vložena do péče, aby podporovala poskytovatele poskytovatelů, při poskytování bezpečnějších, přesnějších léčby.“