A fejlesztés a tünetek jelentkezéséhez képest órákkal korábban felismeri az intenzív osztályon kezelt betegnél fellépő kritikus keringési elégtelenséget. Az intenzív osztályon a mérőműszerek folyamatosan szállítják a páciensek életfunkcióiról szóló adatokat.
Ahhoz, hogy ezekből az értékekből és más orvosilag fontos információkból a javulásra vagy más veszélyes elváltozásokra következtetni lehessen, időre és tapasztalatra van szükség.
Az orvosok és ápolók ehhez a jövőben algoritmusoktól kaphatnak segítséget.
Gunnar Rätsch és Karsten Borgwardt, az ETH kutatói és munkatársai a gépi tanulás módszereit és a berni kórház átfogó adatgyűjteményét alkalmazva fejlesztették ki a kritikusnak számító keringési elégtelenségeket idejében figyelmeztető jelzéseket.
A tudósok eredményeikről a Nature Medicine című szaklapban számoltak be.
Az egyetemi klinika 2005 óta gyűjti a páciensek beleegyezésével az állapotukat érintő részletes - anonim - adatokat.
Ez a 36 ezer kórházi tartózkodásra vonatkozó információhalmaz képezte a fejlesztés alapját.
A kifejlesztett algoritmusok és modellek az adathalmaz alapján
az esetek 90 százalékában meg tudták jósolni előre a keringési rendellenességek jelentkezését
-mondta el Rätsch. Az esetek 82 százalékában ez legalább két órával a tünetek megjelenése előtt történt, ami időt spórol a személyzetnek az ellenintézkedések megtételére.
Ehhez a ténylegesen rendelkezésre álló orvosi információknak csupán töredéke is elegendő volt. Már 20 mérési érték is elég volt, többek között a vérnyomás, pulzus, különböző vérértékek, a kor, a kapott gyógyszerek - fejtette ki Borgwardt.
A kutatómunka célja többek között az intenzív osztályokon a hibás riasztások csökkentése,
a személyzet időbeli riasztása a veszélyes komplikációk esetén. Az algoritmus tényleges alkalmazásához további fejlesztésekre van még szükség. Az első prototípust klinikai tanulmányok során fogják tesztelni.
(Forrás: MTI/sda)