מודל בינה מלאכותית (AI) שיפר את התוצאות בחולים מאושפזים על ידי ריבוע שיעור הגילוי והטיפול בהזיה. המודל מזהה חולים בסיכון גבוה להזיה ומתריע על צוות מיומן במיוחד כדי להעריך את המטופל וליצור תוכנית טיפול, במידת הצורך.
המודל, שפותח על ידי חוקרים בבית הספר לרפואה ICAHN בהר סיני, שולב במבצעי בית חולים, ועזר לספקי שירותי הבריאות לזהות ולנהל הזיות, מצב שיכול להשפיע עד שליש מהמטופלים המאושפזים.
המחקר, הראשון שהראה כי מודל הקצאת סיכוני הזיות המופעל על ידי AI יכול לא רק לבצע ביצועים טובים במסגרת מעבדה אלא גם לספק יתרונות בעולם האמיתי בפרקטיקה הקלינית, פורסם בגיליון המקוון של 7 במאי 2025 של רשת JAMA פתוחה (https: // doi: 10.1001/jamanetworkopen.2025.8874).
הזיה היא מצב בלבול פתאומי וחמור הנושא סיכונים מסכנת חיים ולעיתים קרובות לא מתגלה בחולים מאושפזים. ללא טיפול זה יכול להאריך את השהות בבית החולים, להעלות את סיכון התמותה ולהחמיר את התוצאות לטווח הארוך. עד כה, מודלים של חיזוי הזיות מונע AI נאבקו להפגין שיפורים מוחשיים בטיפול בחולים, אומרים החוקרים.
המוטיבציה שמאחורי המחקר שלנו בהר סיני הייתה ברורה. מודלים נוכחיים מבוססי Delirium Presenive Prossion עדיין לא הראו יתרונות בעולם האמיתי לטיפול בחולים. רצינו לשנות זאת על ידי יצירת מודל המחושב במדויק את סיכון ההדעות בזמן אמת ומשתלב בצורה חלקה בזרימות עבודה קליניות, מסייע לצוות בית החולים לתפוס ולטפל בחולים רבים יותר עם הזיות שאולי יתעלמו ממנו. "
ג'וזף פרידמן, מרפאה, מייסד, מנהל שירותי הזיות למערכת הבריאות בהר סיני ופרופסור לפסיכיאטריה, ומדעי המוח, בית הספר לרפואה של איקאהן בהר סיני ומחבר המחקר המתאים בכיר
במקום לבנות מודל AI בבידוד ובדיקתו בהמשך בבתי חולים, צוות המחקר עבד בשיתוף פעולה הדוק עם קלינאים בהר סיני וצוות בית החולים מההתחלה. גישה "אינטגרציה אנכית" זו אפשרה להם לחדד את המודל בזמן אמת, מה שהבטיח שהוא יעיל ומעשי כאחד לשימוש קליני.
כאשר נפרס בהר סיני, מודל ה- AI שיפר באופן דרמטי את זיהוי הזיות, וכתוצאה מכך:
• עלייה של 400 אחוז במקרים שזוהו מבלי להגדיל את זמן ההסקה של המטופלים
• מרשם בטוח יותר על ידי צמצום השימוש בתרופות בלתי הולמות שעלולות להיות מבוגרים
• ביצועים חזקים ואמינים במסגרת בית חולים בעולם האמיתי
במחקר שלהם, שכלל למעלה מ- 32,000 חולים שהוכנסו בבית החולים הר סיני בעיר ניו יורק, החוקרים השתמשו במודל AI כדי לנתח שילוב של נתונים מובנים והערות קלינאים מרשומות בריאות אלקטרוניות. היא השתמשה בלמידה במכונה כדי לזהות דפוסי נתוני תרשים הקשורים לסיכון גבוה להזיה ועיבוד שפה טבעית מיושמת כדי לזהות דפוסים משפת הערות התרשים שנכתבו על ידי צוות בית החולים. גישה זו לוכדת את תצפיות הצוות על שינויים במצב נפשי עדין בחולים שהם הזוינים או בסיכון מוגבר. איש צוות בודד שכותב פתק עשוי להיות לא מודע באותה תקופה כי התצפיות הקליניות שלהם עוזרות לשפר את הדיוק של מודל ה- AI.
ראוי לציין כי המודל נבדק באוכלוסיית מטופלים מגוונת מאוד עם מגוון רחב של מצבים רפואיים וכירורגיים-רחבים יותר מהקבוצות הצרות הכלולות בדרך כלל במחקרים על מודלים של חיזוי סיכוני הזיה מבוססי-למכונה.
הכלי שיפר משמעותית את שיעורי הגילוי החודשיים של הזיות-בין 4.4 עד 17.2 אחוז-אישור להתערבות קודמת. חולים שזוהו קיבלו גם מינונים נמוכים יותר של תרופות הרגעה, עלולים להפחית את תופעות הלוואי ולשפר את הטיפול הכללי.
"המודל שלנו לא נוגע להחליף רופאים-מדובר במתן להם כלי רב עוצמה לייעל את עבודתם", אומר ד"ר פרידמן. "על ידי ביצוע ההרמה הכבדה של ניתוח כמויות אדירות של נתוני מטופלים, גישת למידת המכונה שלנו מאפשרת לספקי שירותי הבריאות למקד את המומחיות שלהם באבחון וטיפול בחולים בצורה יעילה יותר ובדיוק רב יותר."
בעוד שמודל AI העביר תוצאות חזקות בבית החולים הר סיני, ובדיקה מתבצעת במיקומים אחרים בהר סיני, יהיה צורך באימות במערכות בית חולים אחרות כדי להעריך את ביצועיו בהגדרות שונות ולהתאים במידת הצורך.
"מחקר זה מדגים את הקפיצות הקוונטיות שאנו משיגים על ידי בניית תמיכה בהחלטות קליניות מונעות AI למבצעי בית חולים. אנו משפרים את בטיחות המטופלים ואת התוצאות על ידי הבאת הצוות הנכון לחולה הנכון בזמן הנכון, כך שהמטופלים מקבלים טיפול מתמחה המותאם לצרכיהם", אומר המחקר שותף למחקר, דייוויד ל. רייץ ', קצין ראשי קליני במערכת הבריאות בהר סיני, ונשיא בית החולים הר. "כדי להפוך למערכת בריאות לומדת, עלינו להמשיך במסלול זה של פיתוח, בדיקות, פריסה וכוונון של כלי AI המשולבים בצורה חלקה בזרימות עבודה בתחום הבריאות. בעבר מצאנו כי תמיכה בהחלטות קליניות של AI פועלות בטיפול בתזונה ותזונה והתרחשות קלינית, כאשר השימוש בהר-סיני בהרכבה של AI בזמן התנוחות בטיפול במועמדות בית חולים, צמצם את המוות של בית החולים.
העיתון נקרא "מודל רב -מודאלי למידת מכונה לריבוד סיכוני הזיות."
מחברי המחקר, כמפורט בכתב העת, הם ג'וזף א. פרידמן, ד"ר; Prathamesh Parchure, MSC; פו-יואן צ'נג, מ.ס. Weijia fu, MS; Satyanarayana Cheertirala, MS; Prem Timsina, SCD; גאנש ראוט, מ.ס. קתרין ריינה, DNP; ג'וסיאן ג'וזף-ג'ימרסון, DNP; Madhu Mazumdar, PhD; רוברט פרימן, DNP; דייוויד ל. רייך, ד"ר; ואראש קיה, ד"ר.
