microbius
РОССИЙСКИЙ МИКРОБИОЛОГИЧЕСКИЙ ПОРТАЛ
Поиск
rss

ООО "АЛИФАКС"

ИНН 7718314415

ID 2Vtzqx7tLnC

Реклама

ООО "АЛИФАКС"

ИНН 7718314415

ID 2VtzqwzYS9e

Реклама

ООО "АЛИФАКС"

ИНН 7718314415

ID 2VtzqvtsLHv

Реклама

ИИ может распределять пациентов в рамках первичной медицинской помощи и оптимизировать медицинские услуги
ИИ может распределять пациентов в рамках первичной медицинской помощи и оптимизировать медицинские услуги

Автор/авторы:
share
58
backnext
Иллюстрация: online.stanford.edu

По мнению исследователей, использование искусственного интеллекта для сортировки пациентов способно оптимизировать медицинские услуги и одновременно решить такие проблемы, как резистентность к антибиотикам.

   Респираторные симптомы являются наиболее распространенной жалобой, с которой обращаются к врачам первичного звена, пишут Эмиль Ларус Сигурдссон, профессор кафедры семейной медицины Университета Исландии и коллеги в журнале Annals of Family Medicine. Симптомы могут указывать на серьезное заболевание, но могут и пройти сами по себе. Учитывая этот диапазон, сортировка пациентов перед очной консультацией может помочь врачам снизить нагрузку и расходы на здравоохранение, предлагая пациентам с низким риском другие способы общения. Использование искусственного интеллекта (ИИ) могло бы еще больше ускорить этот процесс.

   Поэтому исследователи провели ретроспективное исследование, чтобы понять, может ли модель машинного обучения сортировать пациентов с респираторными симптомами до визита в клинику первичной медицинской помощи. Они обнаружили, что технология позволила сократить количество направлений на рентгенографию грудной клетки (РГК), исключив ее у пациентов с низким риском.
Издание Healio побеседовало с Сигурдссоном, чтобы узнать больше о возможностях модели машинного обучения, потенциале ИИ в первичной медицинской помощи и многом другом.

   Healio: Опишите, пожалуйста, ваше исследование. Почему вы изучали ИИ в сфере первичной медицинской помощи?

   Сигурдссон: Наше исследование изучает эффективность моделей ИИ в оценке пациентов с респираторными симптомами в условиях первичной медицинской помощи, в частности, когда пациенты еще находятся дома. Системы здравоохранения во всем мире сталкиваются с проблемами, связанными с перегрузкой, что приводит к росту выгорания среди медицинских работников. Эта проблема осложняется еще и тем, что медицинские работники проводят все меньше времени с пациентами. Большое количество консультаций пациентов по поводу респираторных проблем связано с заболеваниями, которые можно лечить только симптоматически, без проведения клинической оценки. Тем не менее, эти пациенты часто проходят ненужные диагностические исследования и получают антибиотики, что часто не соответствует клиническим рекомендациям.

   Будучи сам врачом первичной помощи, я особенно заинтересован в исследованиях, изучающих способы повышения качества наших услуг и снижения нагрузки на персонал первичной помощи. Использование искусственного интеллекта может стать перспективным подходом к решению этих проблем, помогая в первоначальной оценке и сортировке пациентов, потенциально сокращая количество ненужных консультаций и вмешательств.

   Healio: Каковы ваши выводы и их значение?

   Сигурдссон: Это ретроспективное исследование показывает возможность классификации пациентов на основе тяжести их симптомов, используя только их симптоматическую историю до обращения за помощью в систему здравоохранения. Результаты показывают, что примерно одна треть пациентов относится к группе низкого риска. Эта группа имеет следующие характеристики:

   - Все их РГК отрицательны на пневмонию и опухоли, хотя значительное число этих сканирований выявляет случайные находки (инциденталомы), которые часто не имеют клинической значимости (в нашем исследовании все инциденталомы были незначительными) и приводят к увеличению затрат и дискомфорта для пациентов. У них низкие значения С-реактивного белка, что свидетельствует о высоком проценте вирусных заболеваний.

   - В этой группе высока частота кодов Международной классификации болезней (МКБ), при которых не требуется применение антибиотиков или дальнейшее медицинское обследование. Несмотря на это, такое лечение назначается часто. Интересно, что ни у одного пациента из группы низкого риска не была диагностирована пневмония, ни по коду МКБ, ни по положительной РГК.

   - Отмечается низкий уровень повторного обследования в течение 7 дней как в учреждениях первичной медицинской помощи, так и в отделениях неотложной помощи.

   Эти наблюдения подчеркивают потенциальную эффективность сортировки пациентов путем первоначальной оценки симптомов с целью сокращения ненужных визитов к врачу и лечения.

   Healio: Каковы клинические последствия вашего исследования?

   Сигурдссон: В настоящее время у нас нет возможности определить тяжесть заболевания пациента до того, как он обратится за помощью в систему здравоохранения. Если бы у нас была модель ИИ, способная достоверно оценить тяжесть заболевания, мы могли бы более эффективно подсказывать пациентам, куда обращаться за помощью, оставаться ли им дома и получать симптоматическое лечение или выбрать телемедицинскую консультацию вместо очного визита. Пандемия COVID-19 значительно расширила использование телемедицинских консультаций, однако не существует никаких руководящих принципов, определяющих, кто имеет право на такие консультации. Исследование показывает, что мы можем сократить количество физических клинических консультаций на 35%.

   Резистентность к антибиотикам является растущей проблемой во всем мире, и наиболее эффективным способом смягчения этой проблемы является сокращение ненужного использования антибиотиков. Данное исследование показывает, что применение искусственного интеллекта может снизить использование антибиотиков на 25%.

   Еще одной проблемой является чрезмерное использование диагностической визуализации, но наше исследование показывает, что потенциально можно сократить количество направлений на визуализацию на 35% без риска пропустить диагностику таких серьезных заболеваний, как пневмония. Таким образом, внедрение ИИ в сортировку пациентов может повысить эффективность и точность оказания медицинской помощи.

   Healio: Есть ли еще что-нибудь, что вы хотели бы добавить?

   Сигурдссон: Наше исследование демонстрирует потенциал ИИ в условиях первичной медицинской помощи. Внедряя ИИ для сортировки пациентов, мы можем не только оптимизировать медицинские услуги, но и внести значительный вклад в борьбу с такими глобальными проблемами, как резистентность к антибиотикам и чрезмерное использование диагностических ресурсов. Это захватывающий шаг вперед в нашем постоянном стремлении улучшить результаты медицинского обслуживания при сохранении эффективности нашей системы здравоохранения. Однако мы понимаем, что это только начало, и для совершенствования и оптимизации использования ИИ в здравоохранении необходимы более масштабные исследования и испытания.

Источник:

Healio, 31 May 2023

Комментариев: 0
Вам также может быть интересно
Узнайте о новостях и событиях микробиологии
Первыми получайте новости и информацию о событиях
up