Tyrėjų komanda teigia sukūrusi pirmąją nešiojamųjų kamerų sistemą, kuri dirbtinio intelekto pagalba aptinka galimas vaistų pristatymo klaidas.
Atliekant testą, kurio rezultatai buvo paskelbti spalio 22 d npj Skaitmeninė medicinavaizdo sistema atpažino ir puikiai identifikavo, kurie vaistai buvo skiriami įtemptose klinikinėse aplinkose. AI pasiekė 99,6% jautrumą ir 98,8% specifiškumą aptikdamas buteliuko keitimo klaidas.
Sistema gali tapti svarbia apsaugos priemone, ypač operacinėse, intensyviosios terapijos skyriuose ir greitosios medicinos pagalbos įstaigose, sakė viena iš pagrindinių autorių dr. Kelly Michaelsen, Vašingtono universiteto medicinos mokyklos anesteziologijos ir skausmo medicinos docentė.
„Mintis apie galimybę padėti pacientams realiu laiku arba išvengti vaistų klaidos, kol tai neįvyks, yra labai galinga“, – sakė ji. „Galima tikėtis 100% našumo, bet net žmonės negali to pasiekti. Daugiau nei 100 anestezijos paslaugų teikėjų apklausoje dauguma norėjo, kad sistema būtų tiksli daugiau nei 95%, o tai yra mūsų tikslas.”
Vaistų vartojimo klaidos yra dažniausiai pranešami kritiniai anestezijos incidentai ir dažniausia rimtų medicininių klaidų priežastis intensyviosios terapijos srityje. Apytiksliai 5–10 % visų vartojamų vaistų yra susiję su klaidomis.
Apskaičiuota, kad su injekciniais vaistais susiję nepageidaujami reiškiniai kasmet paveikia 1,2 mln. pacientų ir kainuoja 5,1 mlrd.
Švirkšto ir buteliuko keitimo klaidos dažniausiai atsiranda intraveninių injekcijų metu, kai gydytojas pacientui turi perkelti vaistus iš buteliuko į švirkštą. Apie 20 % klaidų yra pakeitimo klaidos, kai pasirenkamas netinkamas buteliukas arba neteisingai paženklintas švirkštas. Dar 20% klaidų įvyksta, kai vaistas yra teisingai paženklintas, bet vartojamas klaidingai.
Siekiant apsisaugoti nuo tokių nelaimingų atsitikimų, taikomos saugos priemonės, pvz., brūkšninio kodo sistema, kuri greitai nuskaito ir patvirtina buteliuko turinį. Tačiau praktikai kartais gali pamiršti šį patikrinimą didelio streso situacijose, nes tai yra papildomas jų darbo eigos žingsnis.
Tyrėjų tikslas buvo sukurti gilaus mokymosi modelį, kuris kartu su „GoPro“ kamera būtų pakankamai sudėtingas, kad atpažintų cilindrinių buteliukų ir švirkštų turinį ir tinkamai perspėtų prieš vaistui patenkant į pacientą.
Modelio mokymas truko mėnesius. Tyrėjai surinko 4K vaizdo įrašą, kuriame užfiksuota 418 narkotikų piešinių, kuriuos atliko 13 anesteziologijos paslaugų teikėjų operacinėse, kuriose skyrėsi sąranka ir apšvietimas. Vaizdo įraše užfiksuota, kaip gydytojai valdo tam tikrų vaistų buteliukus ir švirkštus. Šie vaizdo įrašo fragmentai vėliau buvo užregistruoti, o švirkštų ir buteliukų turinys buvo pažymėtas, kad modelis būtų išmokytas atpažinti turinį ir talpyklas.
Vaizdo sistema tiesiogiai neskaito užrašo ant kiekvieno buteliuko, bet nuskaito kitus vaizdinius ženklus: buteliuko ir švirkšto dydį ir formą, buteliuko dangtelio spalvą, etiketės spausdinimo dydį.
„Tai buvo ypač sudėtinga, nes žmogus, esantis OR, laiko švirkštą ir buteliuką, o jūs nematote nė vieno iš šių objektų. Kai kurios raidės (ant švirkšto ir buteliuko) yra uždengtos rankomis. Ir rankos jie dirba greitai. Jie nepozuoja fotoaparatui“, – sakė Shyam Gollakota, UW's Paul G. Allen kompiuterių mokslų ir inžinerijos mokyklos profesorius.
Be to, skaičiavimo modelis turėjo būti išmokytas sutelkti dėmesį į vaistus, esančius kadro priekiniame plane, ir ignoruoti buteliukus ir švirkštus fone.
„AI daro visa tai: aptinka konkretų švirkštą, kurį paima sveikatos priežiūros paslaugų teikėjas, ir neaptinka švirkšto, gulinčio ant stalo“, – sakė Gollakota.
Šis darbas rodo, kad dirbtinis intelektas ir gilus mokymasis gali pagerinti saugą ir efektyvumą įvairiose sveikatos priežiūros srityse. Mokslininkai tik pradeda tirti potencialą, sakė Michaelsenas.
Tyrime taip pat dalyvavo mokslininkai iš Carnegie Mellon universiteto ir Makerere universiteto Ugandoje. Toyota tyrimų institutas sukūrė ir išbandė sistemą.