Pozaszpitalne zatrzymanie krążenia jest jedną z głównych przyczyn zgonów w Europie. Celem inicjatywy AI4EMS jest przyspieszenie i zwiększenie dokładności rozpoznawania pozaszpitalnego zatrzymania krążenia w nagłych wypadkach medycznych.
Pierwsze 5 minut od momentu wystąpienia zatrzymania krążenia ma kluczowe znaczenie, ponieważ z każdą mijającą minutą szanse na przeżycie maleją o 10 %. Ratownicy medyczni są zazwyczaj pierwszymi osobami niosącymi pomoc w przypadku wystąpienia zatrzymania krążenia, dlatego też niezbędne jest wyposażenie ich w odpowiednie narzędzia do prawidłowej diagnostyki.
Obecnie do rozpoznania stanu zdrowia i uruchomienia systemu postępowania ratowniczego służby ratownictwa medycznego stosują określone protokoły. Jednak ze względu na wzrost liczby zgłoszeń alarmowych w ostatnim czasie istnieje pilna potrzeba szybszego rozpoznawania krytycznych stanów zdrowotnych, takich jak pozaszpitalne zatrzymanie krążenia.
Inteligentny, wspomagany głosowo system obsługi zgłoszeń alarmowych
W ramach finansowanego ze środków UE projektu AI4EMS opracowano głosowego asystenta cyfrowego, który pomaga w diagnozowaniu i priorytetyzacji pacjentów. Platforma AI4EMS łączy w sobie najnowocześniejsze technologie rozpoznawania mowy i uczenia maszynowego w celu analizy zgłoszeń alarmowych w czasie rzeczywistym. „Technologia ta jest w stanie przeanalizować każdą interakcję lekarza z pacjentem, wykorzystując technikę uczenia maszynowego do rozpoznania objawów w sposób szybszy, niż zrobiłby to człowiek, wspierając specjalistów medycznych w podejmowaniu właściwych decyzji we właściwym czasie”, wyjaśnia koordynator projektu Jonas Hansen.
Wykorzystując sztuczną inteligencję, a w szczególności przetwarzanie języka naturalnego w czasie rzeczywistym, oprogramowanie AI4EMS „wysłuchuje” rozmówców w trakcie połączenia alarmowego i pomaga im rozpoznać objawy poważnych stanów chorobowych, takich jak zatrzymanie krążenia.
.... ZOBACZ RÓWNIEŻ: |
Technologia ta opiera się na algorytmach opracowanych na podstawie tysięcy odbytych wywiadów lekarskich, a podczas rozmów poszukuje wzorców werbalnych i niewerbalnych, takich jak ton rozmówcy, czy informacji na temat tego, czy pacjent oddycha, czy też nie. Co ważne, przy każdym zastosowaniu technologii w danym przypadku pomaga ona w dopracowaniu procesu, pozwalając na zwiększenie szybkości wykrywania i zmniejszenie liczby błędnie postawionych diagnoz.
Wykrywanie zatrzymania krążenia w ciągu kilku sekund
Zespół projektu rozpoczął badania pilotażowe z udziałem służb ratowniczych w Kopenhadze i Seattle w celu przetestowania technologii AI4EMS u pacjentów, którym postawiono błędną diagnozę podczas wystąpienia pozaszpitalnego zatrzymania krążenia. Dane z kopenhaskich stacji ratownictwa medycznego wykazały, że oprogramowanie AI4EMS jest w stanie rozpoznać zatrzymanie krążenia w ciągu zaledwie 44 sekund.
W wyniku szerzej zakrojonych badań obejmujących prawie 110 000 zgłoszeń alarmowych w Danii oprogramowanie to przyczyniło się do zmniejszenia liczby niewykrytych przypadków zatrzymania krążenia o 43 %. Ponadto najbardziej istotne objawy rozpoznawało ono 25 % szybciej niż ludzki rozmówca.
Znaczenie projektu i prognozy
W kontekście interpretacji dużych zbiorów danych w sektorze opieki zdrowotnej i skutecznego zarządzania rozwiązaniami typu triage istnieje coraz większe zapotrzebowanie na użycie sztucznej inteligencji i pomocy technologicznych. „Projekt AI4EMS dowodzi sprawności modelu uczenia maszynowego stosowanego w placówkach służby zdrowia tradycyjnie obsługiwanych tylko przez ludzi”, podkreśla Hansen. „Jest to doskonały przykład na to, w jaki sposób ludzie i technologia mogą współpracować w celu ulepszenia służby zdrowia”.
Szereg działań upowszechniających pomógł podnieść świadomość i utorować drogę do nowego paradygmatu w zakresie medycyny ratunkowej dzięki technologii wspomagającej pracę osób zatrudnionych w sektorze służby zdrowia i zwiększającej wskaźniki przeżycia milionów pacjentów na całym świecie. Wykorzystanie oprogramowania podczas wywiadów z pacjentami w czasie rzeczywistym może pomóc lekarzom w zadawaniu właściwych pytań i wyciąganiu właściwych wniosków.
Naukowcy planują rozszerzyć zastosowanie takich modeli sztucznej inteligencji na inne systemy opieki zdrowotnej, takie jak karetki pogotowia, oddziały ratunkowe i przychodnie. Przystosowali oni technologię również do tworzenia rozwiązań konkretnie pod kątem COVID-19, aby pomóc personelowi ratowniczemu w priorytetyzacji pacjentów wysokiego ryzyka.
Komentarze
[ z 0]