מודל חדש של בינה מלאכותית (AI) פותח כדי לחזות כמה זמן אדם עם לקות למידה עשוי להישאר בבית חולים, ומציע תובנות חשובות שיכולות לשפר את הטיפול ותכנון המשאבים.
המודל שפותח על ידי מדעני מחשבים באוניברסיטת לובורו כחלק מפרויקט 'פענח', ומטרתו להתמודד עם אתגרי הבריאות העומדים בפני אנשים עם לקויות למידה ומצבי בריאות מרובים.
לקבוצה זו יש תוחלת חיים נמוכה 20 שנה מהממוצע בבריטניה, לרוב בגלל בריאות גופנית ונפשית ירודה וסבירות גבוהה יותר לקיים מחלות כרוניות מרובות. גורמים אלה מגבירים את הסיכון לסיבוכים שניתן למנוע, מופחתים באיכות החיים ולשהות בית חולים ממושך.
איך עובד מודל ה- AI
חוקרי אוניברסיטת לובורו השתמשו בנתוני רופא כללי ובבית חולים של למעלה מ- 9,600 חולים עם לקויות למידה ומצבי בריאות מרובים כדי לפתח מודל AI המסוגל לחזות את אורכי השהייה בבית החולים במהלך 24 השעות הראשונות של הכניסה.
"המודל מייצר תחזיות על ידי הערכת גורמים כמו גיל המטופל, היסטוריית התרופות, אורח החיים ומצבי הבריאות הקיימים", מסביר פרופסור ג'ורג'ינה קוסמה, מומחה ב- AI לבריאות באוניברסיטת לובורו ומפענח חוקר משותף.
"עם תחזיות מוקדמות ומדויקות, בתי חולים יכולים לתכנן טוב יותר ולספק טיפול מותאם אישית יותר, ולהבטיח טיפול הוגן לכל החולים."
מודל ה- AI נבדק באמצעות מערך הנתונים עליו הוכשר והיה יעיל ב -76% בהבחנה בין חולים שעשויים להיות שהות בבית חולים ממושך לבין אלה שישתחררו מוקדם יותר.
מגמות אשפוז
מודל ה- AI שימש גם לניתוח נתוני בית החולים כדי לזהות סיבות מרכזיות לאשפוזים ודפוסי בריאות בקרב אנשים עם לקויות למידה ומצבי בריאות מרובים.
זה מצא:
- סַרְטָן היא הגורם המוביל לאשפוז בבית חולים לגברים ונשים עם לקויות למידה ומצבי בריאות מרובים, אך הסיבות העיקריות האחרות שונות זו מזו לפי מגדר
- אֶפִּילֶפּסִיָה הוא המצב המטופל בתדירות הגבוהה ביותר במהלך שהות בבית החולים אצל גברים ונשים כאחד, אך הסיבות העליונות האחרות שונות זו מזו במגדר
- בממוצע, אנשים עם לקויות למידה ומצבי בריאות מרובים נשארים בבית חולים שלושה ימים ונשאר חריג 129 יום לרוב קשורים למחלות נפש
- חולים עם שהות של ארבעה ימים או יותר יש סיכוי גבוה יותר:
- להיות מעל גיל 50
- לחיות באזורים מקופחים יותר
- יש השמנת יתר או שהם פחות פעילים פיזית
- יש יותר מצבים בריאותיים, היסטוריה של שהות בבית חולים ארוך או טיפול קודם בתנאים ארוכי טווח.
חשיבות המחקר
ג'ון ספארקס OBE, מנכ"ל Mencap Mencap Mentap Mentics Mentap, בירך על הממצאים.
מחקר זה מדגים כיצד AI יכול לסייע בהתמודדות עם אי השוויון העצום הללו על ידי איתור דפוסים וחיזוי צרכי המשאבים, מה שעלול לשפר את תוצאות המטופלים.
עם זאת, חיזוי בלבד אינו מספיק – עלינו להבטיח שתובנות אלה יניעו שינויים בעולם האמיתי, להפחית את האשפוז של בית החולים להימנע ולהבטיח לאנשים עם לקויות למידה מקבלים תמיכה מתוזמנת, יעילה ומותאמת אישית.
כאשר הממשלה מפתחת את תוכנית ה- NHS של 10 שנים, עליהם לתעדף שימוש בטכנולוגיה כדי להתמודד עם אי שוויון בריאותי ולהבטיח שמערכת הבריאות עונה על צרכיהם של אנשים עם לקות למידה. "
ג'ון מנצנץ OBE, מנכ"ל, MENCAP
הצעדים הבאים
התובנות ממחקר זה ופרויקט הפענוח הרחב ישמשו לתמיכה ב- NHS בפיתוח אלגוריתמי חיזוי סיכונים כדי לסייע לקלינאים בקבלת החלטות.
ד"ר סת'ש גנגאדהראן, פסיכיאטר יועץ עם שותפות Leicestershire NHS Trust והחוקר המשותף למנכ"ל, אמר: "אנו נמצאים בתהליך של יישום ידע זה לפועל כמו גם לשתף אותו באופן נרחב.
"בעוד שטיפול בבית חולים הוא חלק חשוב מהספקה בתחום הבריאות, אנו בוחנים דרכים למזער את הצורך באשפוז על ידי בחינת היכן ניתן להעביר התערבויות בריאותיות קודם לכן ואנשים עם לקויות למידה יכולות להיות מעורבות בטיפול שלהם טוב יותר."
הנתונים ששימשו לאימוני מודל AI הגיעו מ- GPS ובתי חולים בוויילס. כחלק מהצעדים הבאים שלהם, החוקרים מיישמים את המודל על מערכי נתונים מבתי חולים באנגליה כדי להעריך אם דפוסים דומים מופיעים בין אוכלוסיות שונות.
פרופסור תומאס יוני, מומחה בעיצוב מערכות סוציו-טכניות באוניברסיטת לובורו ופענוח חוקר משותף משותף, אמר: "כעת אנו מרחיבים את המחקר שלנו כך שתכלול קבוצה מגוונת יותר של למעלה מ 20,000 חולים ברחבי אנגליה כדי להבטיח שהמודל החזוי שלנו יהיה מדויק כמדויק כמדויק כמדויק כמדויק כמדויק כמדויק בו מדויק כמדויק שלנו שלנו מדויק כמדויק כמדויק כמדויק מדויק בו כמדויק יותר. ויעיל ככל האפשר.
"אנו מבקשים מימון נוסף לניסוי קליני כדי לבדוק כיצד כלי חיזוי מותאם אישית זה יכול להפחית את קבלות החירום ולשפר את איכות החיים עבור חולים עם לקויות למידה ומצבים מרובים לטווח הארוך."
קרא את המחקר המלא
ממצאי ניתוח ה- AI ופיתוח המודל החיזוי פורסמו ב גבולות בבריאות דיגיטליתו העיתון מפרט גם טכניקות המשמשות להפחתת הטיה במודל AI, ומבטיחות תחזיות הוגנות ומדויקות בין קבוצות אתניות.
הסופר הראשי אמיקה אבקסנגה, עמית מחקר למדעי המחשב באוניברסיטת לובורו, אמר: "אנו מקווים שמאמר זה וממצאיו תורמים להתערבויות בריאותיות בהיר יותר באשפוזי בית חולים לקבוצות חולים מגוונות בקבוצת נכות הלמידה."
