ჯანდაცვის
AI სისტემა აღმოაჩენს შეცდომებს მედიცინის თვითდახმარებისას
MIT-ის მკვლევარებმა შეიმუშავეს სისტემა, რომელიც ეყრდნობა უსადენო რადიოსიგნალებს და ხელოვნურ ინტელექტს (AI), რათა აღმოაჩინოს შეცდომები, როდესაც პაციენტები მკურნალობენ თვითნებურად. ახალ განვითარებას შეიძლება ჰქონდეს დიდი გავლენა იმ პაციენტების საგანგაშო რაოდენობის გათვალისწინებით, რომლებიც ვერ ასრულებენ ექიმების ბრძანებებს, რაც იწვევს ათასობით სიკვდილს და მილიარდობით დოლარის სამედიცინო ხარჯებს ყოველწლიურად.
სისტემა იყენებს უსადენო სენსორს და AI-ს ერთად, რათა დადგინდეს, როდის იყენებს პაციენტი ინსულინის კალამი ან ინჰალატორი. პოტენციურ შეცდომებს ის აღმოაჩენს, როდესაც პაციენტი თავად ატარებს მედიკამენტს.
დინა კატაბი არის ენდრიუ და ერნა ვიტერის პროფესორი MIT-ში. ახალი სისტემის შემუშავებაზე პასუხისმგებელი კატაბის კვლევითი ჯგუფი იყო.
„ზოგიერთი წარსული ნაშრომი იუწყება, რომ პაციენტების 70%-მდე არ იღებს ინსულინს, როგორც დადგენილია, და ბევრი პაციენტი არ იყენებს ინჰალატორებს სწორად“, - ამბობს კატაბი.
მკვლევარების აზრით, ახალი სისტემა შეიძლება დამონტაჟდეს სახლში და გააფრთხილოს პაციენტები და მომვლელები მედიკამენტების შეცდომის შესახებ, რაც ხელს უწყობს საავადმყოფოში არასაჭირო ვიზიტების შემცირებას.
კვლევა ჟურნალში გასულ თვეში გამოქვეყნდა ბუნება მედიცინის. კვლევის წამყვანი ავტორები არიან მინგმინ ჟაო, დოქტორანტი MIT-ის კომპიუტერული მეცნიერებისა და ხელოვნური ინტელექტის ლაბორატორიაში (CSAIL) და კრეშნიკ ჰოტი, MIT-ის ყოფილი მოწვეული მეცნიერი და კოსოვოში პრიშტინის უნივერსიტეტის ამჟამინდელი ფაკულტეტის წევრი. კვლევის თანაავტორები არიან ჰაო ვანგი, CSAIL-ის ყოფილი პოსტდოქტორი და ამჟამინდელი ფაკულტეტის წევრი რუტგერსის უნივერსიტეტში და ანირუდდ რაგუ, CSAIL-ის დოქტორანტი.
წამლის მიწოდების მექანიზმები
ბევრი პრეპარატი მოითხოვს მიწოდების რთულ მექანიზმებს.
მაგალითად, ინსულინის კალმები საჭიროებენ პრაიმირებას, რათა დარწმუნდნენ, რომ შიგნით ჰაერის ბუშტები არ არის. და ინექციის შემდეგ, თქვენ უნდა გააჩეროთ 10 წამი“, - ამბობს ჟაო. ”ყველა ეს პატარა ნაბიჯი აუცილებელია წამლის აქტიურ ადგილზე მისაწოდებლად.”
ყოველი დამატებითი ნაბიჯით უფრო მეტია შეცდომების შანსი, რაც კიდევ უფრო იზრდება, თუ ფარმაცევტი არ არის. ვინაიდან პაციენტები ხშირად უშვებენ შეცდომებს ამის გაცნობიერების გარეშე, გუნდი მიზნად ისახავდა ავტომატური სისტემის შექმნას.
ახალ სისტემას აქვს სამი ფართო ნაბიჯი, დაწყებული სენსორით, რომელიც აკონტროლებს პაციენტის მოძრაობას 10 მეტრის რადიუსში. ეს ნაბიჯი კეთდება რადიოტალღების საშუალებით, რომლებიც აირეკლავენ მათ სხეულს. შემდეგ, ხელოვნური ინტელექტი უყურებს ასახულ სიგნალებს, რათა დაადგინოს, თუ პაციენტი თვითნებურად ატარებს ინჰალატორს ან ინსულინის კალამს. ბოლო ნაბიჯი არის სისტემამ გააფრთხილოს პაციენტი ან ჯანდაცვის პროვაიდერი, როდესაც გამოვლინდება შეცდომის გამოვლენა მედიკამენტის თვითშეყვანისას.
„ამ სისტემაში ერთი სასიამოვნო რამ არის ის, რომ პაციენტს არ სჭირდება სენსორების ტარება“, ამბობს ჟაო. „მას შეუძლია ოკლუზიების საშუალებითაც კი იმუშაოს, ისევე როგორც თქვენ შეგიძლიათ Wi-Fi-ზე წვდომა, როცა როუტერისგან განსხვავებულ ოთახში იმყოფებით“.
სენსორი და ნერვული ქსელი
სენსორი ზის სახლის ფონზე, ხოლო AI იყენებს მოდულირებული რადიოტალღების ინტერპრეტაციას. შემუშავდა ნერვული ქსელი მედიცინის გამოყენების შაბლონების გამოსავლენად და მას ავარჯიშებდნენ სამაგალითო მოძრაობების შესასრულებლად. განმამტკიცებელი სწავლის საშუალებით, ქსელმა წარმატებით აღმოაჩინა ინსულინის კალმის ადმინისტრირების 96 პროცენტი და ინჰალატორის გამოყენების 99 პროცენტი.
ნებისმიერი შეცდომის გამოვლენის შემდეგ, ქსელს შეუძლია მათი გამოსწორებაც. მედიცინის სწორად შეყვანა მიჰყვება მსგავს თანმიმდევრობას, რაც ნიშნავს, რომ სისტემას შეუძლია ნებისმიერი ანომალიის იდენტიფიცირება კონკრეტულ ნაბიჯებში. შემდეგ ეს ინფორმაცია შეიძლება გაეგზავნოს პაციენტს ან მის ექიმს, რაც ხელს უწყობს ტექნიკის გამოსწორებას.
„ამ საფეხურებად დაყოფით, ჩვენ შეგვიძლია არა მხოლოდ დავინახოთ, რამდენად ხშირად იყენებს პაციენტი თავის მოწყობილობას, არამედ შევაფასოთ მათი ადმინისტრირების ტექნიკა, რათა დავინახოთ, რამდენად კარგად მუშაობს ისინი“, ამბობს ჟაო.
„ამ პრობლემის გადაჭრის ალტერნატიული გზა კამერების დაყენებაა“, - განაგრძობს ჟაო. ”მაგრამ უკაბელო სიგნალის გამოყენება გაცილებით ნაკლებად ინტრუზიულია. ეს არ აჩვენებს ხალხის გარეგნობას“.
გუნდის თქმით, ეს ახალი სისტემა საბოლოოდ შეიძლება ადაპტირებული იყოს სხვა მედიკამენტებისთვის ნერვული ქსელის გადამზადებით.
