צוות חוקרים אומר שהוא פיתח את מערכת המצלמה הלבישה הראשונה, שבעזרת בינה מלאכותית, מזהה שגיאות אפשריות במתן תרופות.
בבדיקה שתוצאותיה פורסמו היום, מערכת הווידאו זיהתה וזיהתה, בבקיאות גבוהה, אילו תרופות נשאבות במסגרות קליניות עמוסות. ה-AI השיג רגישות של 99.6% וספציפיות של 98.8% באיתור שגיאות בהחלפת בקבוקונים.
הממצאים מדווחים ב-22 באוקטובר npj רפואה דיגיטלית.
המערכת עשויה להפוך לאמצעי הגנה קריטי, במיוחד בחדרי ניתוח, יחידות טיפול נמרץ ובהגדרות של רפואת חירום, אמרה הסופרת המובילה ד"ר קלי מייקלסן, עוזרת פרופסור להרדמה ורפואת כאב בבית הספר לרפואה של אוניברסיטת וושינגטון.
המחשבה על היכולת לעזור למטופלים בזמן אמת או למנוע טעות תרופתית לפני שהיא מתרחשת היא חזקה מאוד. אפשר לקוות לביצועים של 100% אבל אפילו בני אדם לא יכולים להשיג זאת. בסקר שנערך בקרב יותר מ-100 נותני הרדמה, רובם ביקשו שהמערכת תהיה מדויקת ביותר מ-95%, וזה יעד שהשגנו".
ד"ר קלי מייקלסן, עוזר פרופסור להרדמה ורפואת כאב, בית הספר לרפואה של אוניברסיטת וושינגטון
טעויות במתן תרופות הן התקריות הקריטיות המדווחות השכיחות ביותר בהרדמה, והסיבה השכיחה ביותר לטעויות רפואיות חמורות בטיפול נמרץ. בתמונה הגדולה יותר, כ-5% עד 10% מכלל התרופות הניתנות קשורות לשגיאות. תופעות לוואי הקשורות לתרופות להזרקה מוערכות משפיעות על 1.2 מיליון חולים מדי שנה בעלות של 5.1 מיליארד דולר.
שגיאות בהחלפת מזרק ובקבוקונים מתרחשות לרוב במהלך הזרקות תוך ורידי שבהן על הרופא להעביר את התרופה מבקבוקון למזרק למטופל. כ-20% מהטעויות הן שגיאות החלפה שבהן נבחר הבקבוקון הלא נכון או מזרק מסומן בצורה שגויה. עוד 20% מהשגיאות מתרחשות כאשר התרופה מסומנת כהלכה אך ניתנת בטעות.
אמצעי בטיחות, כגון מערכת ברקוד הקוראת ומאשרת במהירות את תכולת הבקבוקון, קיימים כדי להגן מפני תאונות כאלה. אבל מתרגלים עלולים לפעמים לשכוח את הבדיקה הזו במצבי לחץ גבוה מכיוון שזהו שלב נוסף בזרימת העבודה שלהם.
מטרת החוקרים הייתה לבנות מודל למידה עמוקה, בשילוב עם מצלמת GoPro, מתוחכם מספיק כדי לזהות את התוכן של בקבוקונים גליליים ומזרקים, ולהעניק אזהרה מתאימה לפני שהתרופה חודרת למטופל.
הכשרת הדגם ארכה חודשים. החוקרים אספו סרטון 4K של 418 רישומי תרופות על ידי 13 ספקי הרדמה בחדרי ניתוח שבהם ההגדרות והתאורה היו מגוונות. הסרטון צילם רופאים המנהלים בקבוקונים ומזרקים של תרופות נבחרות. קטעי וידאו אלה נרשמו מאוחר יותר ותכולת המזרקים והבקבוקונים סומנה כדי לאמן את הדגם לזהות את התוכן והמיכלים.
מערכת הווידאו אינה קוראת ישירות את הנוסח על כל בקבוקון, אלא סורקת רמזים חזותיים אחרים: גודל וצורת הבקבוקון והמזרק, צבע מכסה הבקבוקון, גודל הדפסת התווית.
"זה היה מאתגר במיוחד, כי האדם בחדר המחלקה מחזיק מזרק ובקבוקון, ואתה לא רואה אף אחד מהחפצים האלה לגמרי. כמה אותיות (על המזרק והבקבוקון) מכוסות על ידי הידיים. והידיים הם נעים מהר הם עושים את העבודה הם לא עושים פוזות למצלמה", אמר שיאם גולקוטה, מחבר המאמר ופרופסור בבית הספר למדעי המחשב והנדסת המחשב של UW.
יתרה מכך, היה צורך לאמן את המודל החישובי להתמקד בתרופות בקדמת המסגרת ולהתעלם מבקבוקונים ומזרקים ברקע.
"AI עושה את כל זה: מזהה את המזרק הספציפי שספק שירותי הבריאות מרים, ולא מזהה מזרק שמונח על השולחן", אמר גולקוטה.
עבודה זו מראה כי ל-AI וללמידה עמוקה יש פוטנציאל לשפר את הבטיחות והיעילות במספר שיטות בריאות. חוקרים רק מתחילים לבחון את הפוטנציאל, אמר מייקלסן.
המחקר כלל גם חוקרים מאוניברסיטת קרנגי מלון ומאוניברסיטת Makerere באוגנדה. מכון המחקר של טויוטה בנה ובדק את המערכת.
קרן המחקר של וושינגטון, הקרן לחינוך ומחקר בהרדמה, ומענק של מכונים לאומיים לבריאות (K08GM153069) מימנו את העבודה.
