هوش مصنوعی افت قند خون را پیشبینی می کند

هوش مصنوعی افت قند خون را پیشبینی می کند به گزارش سئو سی، پژوهشگران دانشگاه علوم بهداشتی سیدرز-سینای یک مدل مبتنی بر هوش مصنوعی ابداع نموده اند که قادر به شناسایی بیماران در معرض افت قند خون تا ۲۴ ساعت پیش از وقوع این شرایط است.


به گزارش سئو سی به نقل از فیز، یک مدل هوش مصنوعی مبتنی بر شبکه حافظه بلندمدت-کوتاه مدت (LSTM) می تواند به پزشکان کمک نماید افت قند خون بیماران بستری را قبل از وقوع پیشبینی کنند و با مداخله زودهنگام، از عوارض خطرناکی مانند تشنج، کما و آریتمی های قلبی طولانی مدت جلوگیری شود.
این مدل یکی از چالش های قدیمی خدمات بیمارستانی را هدف قرار داده است. افت قند خون یا هیپوگلیسمی، عارضه ای شایع و بالقوه خطرناک در بین بیماران بستری به شمار می رود؛ همچون افرادی که داروهای دیابت دریافت می کنند، بیمارانی که قبل از جراحی باید ناشتا باشند و همین طور افرادی که در شرایط بحرانی قرار دارند. با این وجود، تابحال ابزار رایج و دقیقی برای پیشبینی این که کدام بیماران در معرض افت قند خون قرار می گیرند، وجود نداشته است.
«روما جیانچاندانی»، از محققان ارشد این مطالعه، می گوید: «در حال حاضر بیشتر مراقبت های در رابطه با هیپوگلیسمی در بیمارستان ها ماهیتی واکنشی دارند؛ یعنی بعد از کاهش قند خون بیمار وارد عمل می شویم.»
مدل هوش مصنوعی جدید با تحلیل الگوهای در ارتباط با داروها، نتایج آزمایشگاهی، وعده های غذایی و سایر اطلاعات موجود در پرونده الکترونیکی سلامت بیماران، خطر افت قند خون را ارزیابی می نماید. این سیستم داده ها را در بازه های زمانی چهارساعته و ظرف یک دوره پنج روزه جمع آوری کرده و از آنها برای پیشبینی وقوع هیپوگلیسمی در ۲۴ ساعت آینده استفاده می نماید.
پژوهشگران این مدل را با بهره گیری از داده های بالاتر از ۱۴۳ هزار بیمار بستری بین سالیان ۲۰۱۴ تا ۲۰۲۵ آموزش و ارزیابی کردند. همین طور برای تأیید نتایج اولیه، عملکرد آنرا با داده های بیمارستانی آینده نگر هم مورد آزمایش قرار دادند.
به گفته پژوهشگران، این ابزار با هدف هشدار سریع به تیم درمانی قبل از افت قند خون بیمار و همین طور شناسایی عوامل اصلی مؤثر در افزایش این خطر طراحی شده است؛ قابلیتی که می تواند کیفیت مراقبت از بیماران بستری را به صورت قابل توجهی بهبود بخشد.

حرف آخر اینکه به گزارش سئو سی به نقل از فیز، یک مدل هوش مصنوعی مبتنی بر شبکه حافظه بلندمدت-کوتاه مدت (LSTM) می تواند به پزشکان کمک کند افت قند خون بیماران بستری را پیش از وقوع پیشبینی کنند و با مداخله زودهنگام، از عوارض خطرناکی مانند تشنج، کما و آریتمی های قلبی طولانی مدت جلوگیری شود. این مدل یکی از چالش های قدیمی خدمات بیمارستانی را هدف قرار داده است. افت قند خون یا هیپوگلیسمی، عارضه ای شایع و بالقوه خطرناک در میان بیماران بستری به شمار می رود؛ همچون اشخاصی که داروهای دیابت دریافت می کنند، بیمارانی که پیش از جراحی باید ناشتا باشند و همچنین اشخاصی که در شرایط بحرانی قرار دارند.

منبع:

1405/04/08
12:13:01
5.0 / 5
3
تگهای خبر: آموزش , الكترونیك , خدمات , دانشگاه
این مطلب سئوسی را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب
نظر شما در مورد این مطلب
نام:
ایمیل:
نظر:
سوال:
= ۲ بعلاوه ۴
SEOc
seoc.ir - حقوق مادی و معنوی سایت سئو سی محفوظ است

سئو سی

فناوری اطلاعات و سئو - سئوسی: دروازه ای به دنیای فناوری اطلاعات و بهینه سازی سایت