Tekoälyjärjestelmä tunnistaa COVID-19-potilaat, jotka tarvitsevat tehohoitoa

Uusi tekoälyjärjestelmä, jonka tutkijat University of Waterloosta ja DarwinAI:sta ovat kehittäneet, voi auttaa lääkäreitä käyttämään tehokkaasti rajallisia resursseja COVID-19-pandemian aikana. Järjestelmä pystyy tunnistamaan potilaat, jotka tarvitsevat tehohoitoa.

Tehohoidon tarpeen määrittäminen

Tekoälyjärjestelmä ennustaa tehohoidon tarpeen 200 kliinisen tietopisteen avulla, jotka sisältävät verikokeiden tulokset, sairastuvuuden ja elintoimintoja.

Alexander Wong on systems design engineering -professori ja Kanadan tutkimuspuheenjohtaja tekoälystä ja lääketieteellisestä kuvantamisesta Waterloossa.

“Se on erittäin tärkeä askel kliinisen päätöksenteon tukemisessa potilaiden priorisoinnissa ja hoitosuunnitelman kehittämisessä”, Wong sanoi.

Tekoälyohjelmisto koulutettiin 400 potilastapauksesta, jotka olivat peräisin Hospital Sirio-Libanês -sairaalasta São Paulossa, Brasiliassa. Se perustui siihen, päättivätkö lääkärit, pitäisikö COVID-potilaiden ottaa tehohoitoon.

Neuraaliverkko oppi tästä datasta ja pystyi myöhemmin ennustamaan tehohoidon tarpeen uusissa COVID-19-tapauksissa yli 95 prosentin tarkkuudella. Se pystyy myös tunnistamaan avaintekijät, jotka johtavat sen ennusteisiin, mikä auttaa kliinikoita ymmärtämään prosessia paremmin.

Työkalu terveydenhuollon viranomaisille

Tämä teknologia ei ole tarkoitettu korvaamaan terveydenhuollon viranomaisia, vaan toimimaan työkaluna, joka voi tehdä nopeammin ja perustellumpia päätöksiä, mikä auttaa potilaita saamaan hoitoa, kun he tarvitsevat sitä.

Wong on myös Vision and Image Processing (VIP) -laboratorion johtaja Waterloossa.

“Tavoitteena on auttaa kliinikoita tekemään nopeampia ja perustellumpia päätöksiä aiempien potilastapausten ja tuloksien perusteella”, hän sanoi. “Se on kaikki heidän asiantuntemuksensa täydentämistä lääkinnällisten resurssien ja yksilöllisen potilashoidon optimoimiseksi.”

Teknologia on vapaasti saatavilla insinööreille ja tutkijoille, jotta he voivat parantaa sitä. Se on nyt osa laajempaa kliinistä päätöksenteon tukijärjestelmää, joka kehitettiin COVID-Net -avoin aloite. Tämä tukijärjestelmä auttaa lääkäreitä määrittämään COVID-tapausten vakavuuden tekoälyanalyysin ja lääketieteellisten kuvien avulla.

Tutkimus, jonka otsikko on “COVID-Net Clinical ICU: Enhanced Prediction of ICU Admission for COVID-19 Patients via Explainability and Trust CQuantification” esitellään joulukuun 10. työpajassa vuoden 2021 Conference on Neural Information Processing Systems -tapaamisessa. Tutkimukseen osallistuivat myös DarwinAI-tutkijat Audrey Chung ja Mahmoud Famouri sekä insinööritutkinto-opiskelija Andrew Hryniowski.