Σύστημα AI Ανίχνευσης Λαθών στη Selbst-Διοίκηση Φαρμάκων

Ερευνητές στο MIT έχουν αναπτύξει ένα σύστημα που βασίζεται σε ασύρματους ραδιοσигナル και τεχνητή νοημοσύνη (AI) για την ανίχνευση λαθών όταν οι ασθενείς αυτο-διαχειρίζονται φάρμακα. Η νέα ανάπτυξη μπορεί να έχει μεγάλο αντίκτυπο δεδομένου του अलαρμικού αριθμού ασθενών που δεν συμμορφώνονται με τις οδηγίες των γιατρών, οδηγώντας σε χιλιάδες θανάτους και δισεκατομμύρια δολάρια σε ιατρικούς κόστους κάθε χρόνο.

Το σύστημα χρησιμοποιεί ασύρματη αίσθηση και AI μαζί για να καθορίσει όταν ένας ασθενής χρησιμοποιεί μια βελόνα ινσουλίνης ή ένα εισπνευστήρα. Πιθανές λάθη ανιχνεύονται από αυτό όταν ένας ασθενής αυτο-διαχειρίζεται φάρμακα.

Η Dina Katabi είναι καθηγήτρια στο MIT. Η ερευνητική ομάδα της Katabi ήταν υπεύθυνη για την ανάπτυξη του νέου συστήματος.

«Μερική προηγούμενη εργασία αναφέρει ότι μέχρι το 70% των ασθενών δεν λαμβάνουν την ινσουλίνη τους όπως έχει προταθεί, και πολλοί ασθενείς δεν χρησιμοποιούν σωστά τους εισπνευστήρες», λέει η Katabi.

Σύμφωνα με τους ερευνητές, το νέο σύστημα μπορεί να εγκατασταθεί στο σπίτι και να ειδοποιήσει τους ασθενείς και τους φροντιστές για λάθη στη διοίκηση φαρμάκων, giúpοντας να μειωθούν οι απαραίτητες επισκέψεις στο νοσοκομείο.

Η έρευνα δημοσιεύθηκε τον προηγούμενο μήνα στο περιοδικό Nature Medicine. Οι βασικοί συγγραφείς της μελέτης περιλαμβάνουν τον Mingmin Zhao, φοιτητή διδακτορικού στο/MIT’s Computer Science and Artificial Intelligence Laboratory (CSAIL), και τον Kreshnik Hoti, πρώην επισκέπτη επιστήμονα στο MIT και τρέχοντα μέλος διδακτικού προσωπικού στο Πανεπιστήμιο του Prishtina στο Κόσοβο. Οι συν-συγγραφείς της έρευνας περιλαμβάνουν τον Hao Wang, πρώην CSAIL postdoc και τρέχοντα μέλος διδακτικού προσωπικού στο Πανεπιστήμιο Rutgers, και τον Aniruddh Raghu, CSAIL φοιτητή διδακτορικού.

Μηχανισμοί Παρ｡δωσης Φαρμάκων

Πολλλά φάρμακα απαιτούν σύνθετους μηχανισμούς παρ｡δωσης.

«Για παράδειγμα, οι βελόνες ινσουλίνης απαιτούν προ-έναρξη για να βεβαιωθούμε ότι δεν υπάρχουν αέριες φούσκες μέσα. Και μετά την ένεση, πρέπει να κρατήσουμε για 10 δευτερόλεπτα», λέει ο Zhao. «Όλα αυτά τα μικρά βήματα είναι απαραίτητα για να παραδοθεί σωστά το φάρμακο στο ενεργό του σημείο.»

Με κάθε επιπλέον βήμα έρχεται περισσότερες πιθανότητες για λάθη, που αυξάνονται ακόμη περισσότερο αν δεν υπάρχει φαρμακοποιός παρών.既然 οι ασθενείς συχνά κάνουν λάθη χωρίς να το καταλάβουν, η ομάδα στόχευσε να δημιουργήσει ένα αυτοματοποιημένο σύστημα.

Το νέο σύστημα έχει τρία ευρείς βήματα, ξεκινώντας με einen αισθητήρα που παρακολουθεί τις κινήσεις του ασθενή εντός ενός ακτίνας 10 μέτρων. Αυτό το βήμα γίνεται μέσω ραδιοκυμάτων που αντανακλούν από το σώμα του. Στη συνέχεια, η AI εξετάζει τα αντανακλούμενα σήματα για να καθορίσει αν ο ασθενής αυτο-διαχειρίζεται einen εισπνευστήρα ή μια βελόνα ινσουλίνης. Το τελευταίο βήμα είναι για το σύστημα να ειδοποιήσει τον ασθενή ή τον φροντιστή όταν ανιχνευτεί λάθος στη διοίκηση του φαρμάκου.

«Ένα πράγμα που είναι ωραίο σε αυτό το σύστημα είναι ότι δεν απαιτεί από τον ασθενή να φοράει κανένα αισθητήρα», λέει ο Zhao. «Μπορεί ακόμη και να λειτουργήσει μέσω εμποδίων, παρόμοια με το πώς μπορείτε να αποκτήσετε πρόσβαση στο Wi-Fi σας όταν βρίσκεστε σε διαφορετικό δωμάτιο από τον ρούτερ σας.»

Αισθητήρας και Νευρωνικό Δίκτυο

Ο αισθητήρας βρίσκεται στο φόντο ενός σπιτιού ενώ χρησιμοποιεί την AI για να ερμηνεύσει τα modulated ραδιοκύματα. Ένα νευρωνικό δίκτυο αναπτύχθηκε για να ανιχνεύσει μοτίβα στη χρήση του φαρμάκου, και εκπαιδεύτηκε για να εκτελέσει παραδείγματα κινήσεων. Μέσω της ενισχυτικής μάθησης, το δίκτυο ανίχνευσε επιτυχώς το 96% των διοικήσεων βελών ινσουλίνης και το 99% των χρήσεων εισπνευστήρα.

Μετά την ανίχνευση των λαθών, το δίκτυο μπορεί επίσης να τα διορθώσει. Η σωστή διοίκηση φαρμάκων ακολουθεί παρόμοιες ακολουθίες, που σημαίνει ότι το σύστημα μπορεί να ανιχνεύσει οποιαδήποτε ανωμαλίες στα συγκεκριμένα βήματα. Αυτές οι πληροφορίες μπορούν τότε να σταλούν στον ασθενή ή στον γιατρό του, giúpοντας να διορθωθεί η τεχνική.

«Βάζοντας τα πράγματα σε αυτά τα βήματα, μπορούμε να δούμε nicht μόνο πόσο συχνά ο ασθενής χρησιμοποιεί την συσκευή του, αλλά και να αξιολογήσουμε την τεχνική διοίκησης για να δούμε πόσο καλά το κάνει», λέει ο Zhao.

«Ένας εναλλακτικός τρόπος για να λυθεί αυτό το πρόβλημα είναι με την εγκατάσταση κάμερων», συνεχίζει ο Zhao. «Αλλά η χρήση ενός ασύρματου σήματος είναι πολύ λιγότερο ενοχλητική. Δεν δείχνει την εμφάνιση των ανθρώπων.»

Σύμφωνα με την ομάδα, αυτό το νέο σύστημα θα μπορούσε τελικά να προσαρμοστεί για άλλα φάρμακα ανατρέφοντας το νευρωνικό δίκτυο.