AI-system opdager fejl, når patienter selv administrerer medicin

Forskere på MIT har udviklet et system, der afhænger af trådløse radiosignaler og kunstig intelligens (AI) til at opdage fejl, når patienter selv administrerer medicin. Den nye udvikling kan have en stor indvirkning, hvis man tager i betragtning det alarmskabende antal patienter, der ikke overholder lægernes ordrer, hvilket fører til tusindvis af dødsfald og milliarder af dollars i medicinske omkostninger hvert år.

Systemet bruger trådløs sansning og AI sammen til at bestemme, når en patient bruger en insulinpen eller inhalator. Potentielle fejl opdages af det, når en patient selv administrerer medicin.

Dina Katabi er Andrew og Erna Viteri-professoren på MIT. Katabis forskningsgruppe var ansvarlig for at udvikle det nye system.

“Nogle tidligere arbejder rapporterer, at op til 70% af patienter ikke tager deres insulin, som foreskrevet, og mange patienter bruger ikke inhalatorer korrekt,” siger Katabi.

Ifølge forskerne kan det nye system installeres hjemme og advare patienter og plejepersonale om medicinfejl, hvilket hjælper med at reducere unødvendige hospitalbesøg.

Forskningen blev offentliggjort sidste måned i tidsskriftet Nature Medicine. Hovedforfatterne på studiet inkluderer Mingmin Zhao, PhD-student på MIT’s Computer Science and Artificial Intelligence Laboratory (CSAIL), og Kreshnik Hoti, tidligere gæsteforsker på MIT og nuværende fakultetsmedlem på University of Prishtina i Kosovo. Medforfattere på forskningen inkluderer Hao Wang, tidligere CSAIL-postdoc og nuværende fakultetsmedlem på Rutgers University, og Aniruddh Raghu, CSAIL PhD-student.

Lægemiddelafleveringsmekanismer

Mange lægemidler kræver komplekse afleveringsmekanismer.

“For eksempel kræver insulinpenne priming for at sikre, at der ikke er luftbobler inde. Og efter injicering skal du holde i 10 sekunder,” siger Zhao. “Alle disse små skridt er nødvendige for at levere lægemidlet korrekt til dets aktive sted.”

Med hvert ekstra skridt kommer der flere chancer for fejl, hvilket øges endnu mere, hvis der ikke er en farmaceut til stede. Da patienter ofte begår fejl uden at være klar over det, havde teamet til formål at skabe et automatiseret system.

Det nye system har tre brede skridt, starting med en sensor, der sporer en patients bevægelser inden for en radius på 10 meter. Dette skridt udføres gennem radiobølger, der reflekterer af deres krop. Så ser AI på de reflekterede signaler for at bestemme, om en patient selv administrerer en inhalator eller insulinpen. Det sidste skridt er for systemet at advare patienten eller sundhedsplejepersonalet, når en fejl er opdaget i selvadministreringen af medicin.

“En god ting ved dette system er, at det ikke kræver, at patienten bærer nogen sensorer,” siger Zhao. “Det kan endda fungere gennem forhindringer, ligesom du kan få adgang til din Wi-Fi, når du er i et andet rum end din router.”

Sensor og neuralt netværk

Sensoren sidder i baggrunden af et hus, mens den bruger AI til at fortolke de modulerede radiobølger. Et neuralt netværk blev udviklet til at opdage mønstre i brugen af medicin, og det blev trænet til at udføre eksempelbevægelser. Gennem forstærkningslæring opdagede netværket succesfuldt 96% af insulinpenneadministrationer og 99% af inhalatorbrug.

Efter at have identificeret eventuelle fejl kan netværket også korrigere dem. Korrekt medicinadministration følger lignende sekvenser, hvilket betyder, at systemet kan identificere enhver afvigelse i de specifikke skridt. Denne information kan derefter sendes til patienten eller hans læge, hvilket hjælper med at korrigere teknikken.

“Ved at bryde det ned i disse skridt kan vi ikke kun se, hvor ofte patienten bruger sin enhed, men også vurderer hans administrationsteknik for at se, hvor godt de gør det,” siger Zhao.

“En alternativ måde at løse dette problem på er ved at installere kameraer,” fortsætter Zhao. “Men at bruge en trådløs signal er langt mindre indtrængende. Det viser ikke menneskers udseende.”

Ifølge teamet kunne dette nye system til sidst blive tilpasset til andre mediciner ved at genoptræne det neurale netværk.