Siūlomas dirbtinio intelekto įrankis, padedantis gydytojui priimti sprendimus dėl ligoninių, kuriems gresia sepsis, turi neįprastą ypatybę: ji gali paaiškinti savo netikrumo trūkumą ir pasiūlyti, kokių demografinių duomenų, gyvybinių požymių ir laboratorinių tyrimų rezultatų reikia, kad pagerintų nuspėjamumą. .
Sistema, vadinama SepsisLab, buvo sukurta remiantis gydytojų ir slaugytojų, gydančių pacientus skubios pagalbos skyriuose ir intensyviosios terapijos skyriuose, atsiliepimais, kur dažniausiai pastebimas sepsis – didžiulė organizmo reakcija į infekciją. Jie pranešė apie nepasitenkinimą esama dirbtinio intelekto įrankiu, kuris generuoja paciento rizikos prognozės balą naudodamas tik elektroninius sveikatos įrašus, bet ne gydytojų įvesties duomenis.
Ohajo valstijos universiteto mokslininkai sukūrė SepsisLab, kad būtų galima numatyti paciento sepsio riziką per keturias valandas, tačiau kol laikrodis tiksi, sistema nustato trūkstamą informaciją apie pacientą, kiekybiškai įvertina jos svarbą ir pateikia gydytojams vaizdinį vaizdą apie tai, kaip konkretus. informacija turės įtakos galutinei rizikos prognozei. Eksperimentai, kuriuose buvo naudojami viešai prieinami ir patentuoti pacientų duomenys, parodė, kad pridėjus 8 % rekomenduojamų duomenų, sistemos sepsio prognozės tikslumas pagerėjo 11 %.
„Esamas modelis yra labiau tradicinė žmogaus ir dirbtinio intelekto konkurencijos paradigma, generuojanti daugybę erzinančių klaidingų pavojaus signalų ICU ir greitosios pagalbos skyriuose, neklausant gydytojų“, – sakė vyresnysis tyrimo autorius Ping Zhang, kompiuterių mokslo ir inžinerijos bei biomedicininės informatikos docentas Ohajo valstijoje. valstybė.
„Idėja yra ta, kad turime įtraukti dirbtinį intelektą į kiekvieną tarpinį sprendimų priėmimo žingsnį, priimdami koncepciją „AI-in-the-man-loop”. Mes ne tik kuriame įrankį, bet ir į projektą įtraukėme gydytojus. Tai tikras kompiuterių mokslininkų ir gydytojų bendradarbiavimas, siekiant sukurti į žmogų orientuotą sistemą, kuri pasodintų gydytoją į vairuotojo vietą.
Tyrimas buvo paskelbtas rugpjūčio 24 d. kaip dalis 30-osios ACM SIGKDD konferencijos žinių atradimo ir duomenų gavybos klausimais medžiaga ir bus pristatytas žodžiu trečiadienį (rugpjūčio 28 d.) SIGKDD 2024 Barselonoje, Ispanijoje.
Sepsis yra gyvybei pavojinga medicininė pagalba – jis gali greitai sukelti organų nepakankamumą, tačiau jį nelengva diagnozuoti, nes jo simptomai – karščiavimas, žemas kraujospūdis, padažnėjęs širdies susitraukimų dažnis ir kvėpavimo sutrikimai gali atrodyti kaip daugelis kitų ligų. Šis darbas grindžiamas ankstesniu Zhang ir jo kolegų sukurtu mašininio mokymosi modeliu, kuris įvertino optimalų laiką skirti antibiotikus pacientams, kuriems įtariamas sepsis.
„SepsisLab“ sukurta taip, kad greitai pateiktų rizikos prognozę, tačiau kas valandą sukuria naują prognozę po to, kai į sistemą įtraukiami nauji paciento duomenys.
„Kai pacientas pirmą kartą patenka, trūksta daug verčių, ypač laboratoriniams tyrimams“, – sakė pirmasis autorius Changchang Yin, kompiuterių mokslų ir inžinerijos mokslų daktaras. Zhango dirbtinio intelekto medicinos laboratorijos studentas.
Daugumoje AI modelių trūkstami duomenų taškai apskaitomi naudojant vieną priskirtą vertę – procesą, vadinamą imputacija – „tačiau imputacijos modelis gali nukentėti dėl neapibrėžtumo, kuris gali būti perkeltas į paskesnį prognozavimo modelį“, – sakė Yin.
„Jei imputacijos modelis negali tiksliai priskirti trūkstamos reikšmės ir tai yra labai svarbi reikšmė, reikia stebėti kintamąjį. Mūsų aktyvaus jutimo algoritmo tikslas yra rasti tokias trūkstamas reikšmes ir pasakyti gydytojams, kokių papildomų kintamųjų gali reikėti stebėti – kintamuosius, kurie gali sukurti prognozavimo modelis tikslesnis.”
Lygiai taip pat svarbu, kad laikui bėgant iš sistemos būtų pašalintas netikrumas, yra teikti gydytojams veiksmingas rekomendacijas. Tai apima laboratorinius tyrimus, suskirstytus pagal jų vertę diagnostikos procesui ir įvertinimus, kaip pasikeistų paciento sepsio rizika, atsižvelgiant į konkrečius klinikinius gydymo būdus.
Eksperimentai parodė, kad pridėjus 8 % naujų duomenų, gautų iš laboratorinių tyrimų, gyvybinių požymių ir kitų didelės vertės kintamųjų, modelio paskleistas neapibrėžtumas sumažėjo 70 %, o tai prisidėjo prie sepsio rizikos tikslumo pagerėjimo 11 %.
„Algoritmas gali pasirinkti svarbiausius kintamuosius, o gydytojo veiksmai sumažina neapibrėžtumą”, – sakė Zhang, taip pat pagrindinis Ohajo valstijos vertimo duomenų analizės instituto fakulteto narys. „Šis esminis matematikos darbas yra svarbiausia techninė naujovė – tyrimų pagrindas“.
Zhangas mano, kad į žmogų orientuotas dirbtinis intelektas yra medicinos ateities dalis, tačiau tik tuo atveju, jei AI sąveikauja su gydytojais taip, kad jie pasitikėtų sistema.
„Tai ne apie AI sistemos, galinčios užkariauti pasaulį, kūrimą“, – sakė jis. „Medicinos centras yra hipotezių tikrinimas ir minutė po minutės sprendimų priėmimas, kurie nėra tik „taip“ ar „ne“. Mes įsivaizduojame asmenį, kuris yra sąveikos centre, naudojant AI, kad padėtų žmogui pasijusti antžmogišku.
Papildomi bendraautoriai yra Jeffrey Caterino iš Ohajo valstijos universiteto Wexner medicinos centro, Bingsheng Yao ir Dakuo Wang iš Šiaurės rytų universiteto ir Pin-Yu Chen iš IBM tyrimų.