Система ИИ обнаруживает ошибки при самостоятельном приеме лекарств

Исследователи в MIT разработали систему, которая использует беспроводные радиосигналы и искусственный интеллект (ИИ) для обнаружения ошибок при самостоятельном приеме лекарств пациентами. Это новое развитие может иметь большое влияние, учитывая тревожное количество пациентов, которые не соблюдают предписания врачей, что приводит к тысячам смертей и миллиардам долларов медицинских затрат каждый год.

Система использует беспроводное обнаружение и ИИ вместе для определения того, когда пациент использует инсулиновую ручку или ингалятор. Потенциальные ошибки обнаруживаются ею, когда пациент самостоятельно принимает лекарства.

Дина Катаби является профессором Эндрю и Эрны Витери в MIT. Исследовательская группа Катаби была ответственна за разработку новой системы.

«Некоторые предыдущие работы сообщают, что до 70% пациентов не принимают инсулин, как предписано, и многие пациенты не используют ингаляторы правильно», – говорит Катаби.

По словам исследователей, новая система может быть установлена дома и предупреждать пациентов и ухаживающих о ошибке в приеме лекарств, что помогает уменьшить ненужные госпитализации.

Исследование было опубликовано в прошлом месяце в журнале Nature Medicine. Среди ведущих авторов исследования – Минмин Чжао, аспирант лаборатории компьютерных наук и искусственного интеллекта MIT (CSAIL), и Крешник Хоти, бывший приглашенный ученый в MIT и текущий преподаватель Университета Приштины в Косове. Среди соавторов исследования – Хао Ван, бывший постдок CSAIL и текущий преподаватель Рутгерского университета, и Анируддх Рагху, аспирант CSAIL.

Механизмы доставки лекарств

Многие лекарства требуют сложных механизмов доставки.

«Например, инсулиновые ручки требуют подготовки, чтобы убедиться, что внутри нет воздушных пузырей. И после инъекции необходимо удерживать 10 секунд», – говорит Чжао. «Все эти маленькие шаги необходимы для правильной доставки лекарства в его активное место».

С каждым дополнительным шагом увеличивается количество возможных ошибок, что еще больше увеличивается, если нет присутствующего фармацевта. Поскольку пациенты часто делают ошибки, не осознавая этого, команда стремилась создать автоматизированную систему.

Новая система имеет три широких шага, начиная с датчика, который отслеживает движения пациента в радиусе 10 метров. Этот шаг выполняется с помощью радиоволн, которые отражаются от его тела. Затем ИИ анализирует отраженные сигналы, чтобы определить, использует ли пациент ингалятор или инсулиновую ручку. Последний шаг – система предупреждает пациента или медицинского работника, когда обнаруживает ошибку в самостоятельном приеме лекарств.

«Одна из приятных вещей об этой системе заключается в том, что она не требует от пациента носить какие-либо датчики», – говорит Чжао. «Она может даже работать через препятствия, подобно тому, как вы можете получить доступ к своей Wi-Fi, когда находитесь в другой комнате от роутера».

Датчик и нейронная сеть

Датчик находится в фоновом режиме дома, используя ИИ для интерпретации модулированных радиоволн. Была разработана нейронная сеть для обнаружения закономерностей в использовании лекарств, и она была обучена выполнять примерные движения. С помощью обучения с подкреплением сеть успешно обнаружила 96% введений инсулина и 99% использования ингаляторов.

После обнаружения ошибок сеть также может их исправить. Правильное введение лекарств следует аналогичным последовательностям, что означает, что система может обнаружить любые аномалии в конкретных шагах. Эта информация может быть отправлена пациенту или его врачу, что помогает исправить технику.

«Разбивая это на шаги, мы можем не только увидеть, как часто пациент использует свое устройство, но и оценить его технику введения, чтобы увидеть, как хорошо он это делает», – говорит Чжао.

«Альтернативным способом решения этой проблемы является установка камер», – продолжает Чжао. «Но использование беспроводного сигнала намного менее навязчиво. Он не показывает внешний вид людей».

По словам команды, эта новая система может быть в будущем адаптирована для других лекарств путем повторного обучения нейронной сети.