الگوریتمی که بیماران نزدیک به مرگ را شناسایی میکند

سپسیس یکی از بزرگ‌ترین عفونت‌های بیمارستانی است که شاید هرگز نام آن را نشنیده باشید. وقتی که بدن بیش از حد به یک عفونت واکنش نشان‌ می‌دهد، خطر آسیب دیدن بافت‌ها و نارسایی عملکرد دیگر ارگان‌ها وجود دارد. این عامل، علت یک‌سوم تا یک‌دوم مرگ‌ومیرها در بیمارستان‌های ایالات متحده است.

از آنجایی که علائم سپسس مواردی چون تب و اشکالات تنفسی هستند؛ شبیه دیگر بیماری‌ها به نظر‌ می‌آید و تشخیص آن به‌خصوص در مراحل اولیه بسیار سخت است. Banner Health یک سیستم بیمارستانی در فینیکسِ آریزونا است و اعضای یک تیم پژوهشی در این موسسه تصمیم گرفتند با استفاده از علوم کامپیوتر، راه حلی برای این مشکل پیدا کنند. آن‌ها توانستند روی الگوریتمی ‌کار کنند که وضعیت سلامتی بیمار را به‌صورت مداوم در مانیتور نشان‌ می‌داد و چنانچه بیمار به خطر مرگ نزدیک‌ می‌شد، این سیستم هشدار‌ می‌داد.

اما در نهایت این الگوریتم جواب نداد؛ حداقل نه به آن شکلی که محققان Banner امیدوار بودند.

پنج سال بعد از این‌که Banner از این سیستم هشداردهنده استفاده کرد، معلوم شد در روش تشخیص سپسس خیلی خوب عمل نکرده است؛ اما تیم همراه که به سرپرستی دکتر هارگوبیند کورانا (Hargobind Khurana) فعالیت‌ می‌کرد، متوجه یک اثر غیرمنتظره شد؛ این سیستم در شناسایی بیمارانی که مریضی آن‌ها بیش از حد متوسط عود کرده بود، عملکرد موفقی نشان می‌داد. ضمن این‌که بعضی از این بیماران به سپسس هم مبتلا نبودند. اگر چه سیستم هشدار در هدف اصلی خود شکست خورد، اما توانست در زمینه‌ی دیگری قدرتمندتر ظاهر شود تا پزشکان بتوانند با استفاده از آن آسیب‌پذیرترین بیماران خود را شناسایی کنند.

الگوریتم‌ها تقریبا در هر بخشی از زندگی ما نفوذ کرده‌اند. هر چند که ورود آن‌ها بی سروصدا است اما توانسته‌اند به شکل ماهرانه‌ای خود را در هشداردهنده‌ی تقویم، تبلیغات فیس‌بوک، پیش‌بینی‌های گوگل و موارد حیاتی دیگر جای دهند. یکی از مهم‌ترین نقش‌های الگوریتم در زمینه‌ی نرم‌افزارهای ثبت پزشکی که در بیمارستان‌ها از آن استفاده‌ می‌شود، ردیابی و کنترل وضعیت مریضی و سلامتی بیماران است. هشدارهای مبنی بر الگوریتم، به این منظور طراحی شده‌اند تا اطلاعات مخفی را از بین انبوهی از داده‌ها پیدا کنند. برای مثال آن‌ها اعلام‌ می‌کنند که در چه زمانی باید داروی بیمار دوباره داده شود یا ضربان قلب بیمار از حالت عادی بالاتر رفته است.

در بهترین حالت، می‌توان گفت این هشداردهنده‌ها، پزشکان و پرستاران را درگیر بیمارانی می‌کردند که شرایط آن‌ها به هیچ عنوان حاد نبود. از این رو در بسیاری از موارد، این دستگاه‌ها با بوق زدن و فلش زدن‌های بیش از حد و بدون دلیل، سودمندی و ضرورت خود را زیر سؤال‌ می‌برند.

تجربه‌ی اخیر Banner Health برخی از چالش‌های اساسی در ادغام مراقبت‌های پزشکی با اتوماسیون دیجیتال قرن بیست و یکم را نشان‌ می‌دهد. باوجود این‌که دولت آمریکا میلیاردها دلار خرج دیجیتالی شدن تجهیزات پزشکی کرده است، باز هم این دستگاه‌ها ایراداتی از خود نشان‌ می‌دهند.

کورانا‌ می‌گوید:

ساخت یک هشداردهنده‌ی خوب کار سختی است. از طرفی سخت است که فلش انتظارات ما به سمت پزشکان و پرستاران باشد. در واقع ما‌ می‌خواهیم درحالی‌که فشار کاری زیادی به کادر درمانی تحمیل می‌شود، از بیماران نیز مراقبت کافی به عمل آید. باید بدانیم چطور‌ می‌توان بین این دو واقعیت تعادل برقرار کرد؟ در واقع باید مشخص کنیم به چه هشداردهنده‌هایی نیاز داریم؟ همه‌ی افراد فعال در حوزه‌ی سلامت باید برای کشف این پاسخ تلاش کنند.

اولین دیدگاه را ثبت کنید

پاسخ جدیدی بنویسید

فاپول
بازیابی رمز