Notícias

Equipe de pesquisa usa IA para melhorar a detecção de sepse e tratamento eficaz

infecção

Crédito: CC0 Domínio Público

A sepse adquirida em ambientes clínicos ameaça a vida de dezenas de milhões de pessoas em todo o mundo todos os anos. A condição, na qual o corpo responde a uma infecção essencialmente entrando em ação excessiva, ataca inadvertidamente o corpo ao liberar produtos químicos com excesso de zelo para defendê-lo.

Um estudo da Organização Mundial da Saúde descobriu que mais de 44 milhões de pessoas tiveram sepse em 2017, causando 11 milhões de mortes relacionadas à sepse e levando a outros eventos adversos significativos, como amputações de membros.

A sepse é tratável se detectada a tempo, mas muitos pacientes não apresentam sinais da doença até que seja tarde demais no ciclo para curar de forma eficaz e rápida.

“Você tem que entender isso cedo”, disse Anahita Khojandi, Heath Endowed Faculty Fellow em Negócios e Engenharia e professora associada do Departamento de Engenharia Industrial e de Sistemas da Universidade do Tennessee, Knoxville. “Com as nossas novas ferramentas preditivas, acreditamos que os profissionais de saúde serão capazes de detectá-la pelo menos quatro a seis horas antes, levando a um tratamento mais eficaz e a melhores resultados de saúde. rapidamente que quatro a seis horas podem ser a diferença entre a vida e a morte.”

Khojandi e uma equipe multidisciplinar de pesquisadores da UT levantaram a hipótese de que, ao construir conjuntos de dados desenvolvidos a partir de registros eletrônicos de saúde e analisá-los em busca de padrões entre pacientes que mais tarde desenvolveram sepse, seriam capazes de prever o início da doença. Um colega do ISE – Xueping Li, professor e membro do corpo docente de Dan Doulet – conseguiu conectar a equipe a um conjunto inicial de proprietários de dados para começar.

“Ele tinha um colega no Centro de Inovação de Sistemas de Saúde da Universidade Estadual de Oklahoma que tinha acesso a dados de registros eletrônicos de saúde que precisávamos para iniciar esta jornada de construção de modelos para previsão precoce de sepse”, disse Khojandi. “A partir daí, começamos a aprender mais sobre o poder dos dados dos registros eletrônicos de saúde e suas possíveis deficiências. Pudemos acessar conjuntos de dados adicionais e realizar uma série de estudos, cada um com base no anterior, até que finalmente pudéssemos resolver o problema de uma forma holística.”

Uma das principais deficiências iniciais foi a falta de granularidade em alguns dos registos de saúde electrónicos. Felizmente, o Presidente do Governador do Laboratório Nacional de Informática Biomédica da UT – Oak Ridge, Robert Davis, do UT Health Science Center, conseguiu ajudar a equipe a enfrentar esse desafio importante, fornecendo a Khojandi um novo conjunto de dados de leituras vitais dos pacientes, como frequência cardíaca e respiratória. taxa, coletada continuamente dos monitores da UTI.

O novo conjunto de dados permitiu à equipe desenvolver uma estrutura de IA poderosa, aproveitando a modelagem baseada em séries temporais e abordagens sequenciais de tomada de decisão. No seu trabalho mais recente, desenvolveram uma nova abordagem que permite ao modelo de IA espreitar o estado de saúde oculto de um paciente em tempo real, ao mesmo tempo que contabiliza a progressão da doença subjacente do paciente. O modelo pode então construir uma imagem precisa do estado do paciente, melhorando o processo de tomada de decisão.

Khojandi disse que a colaboração é extremamente importante para o seu sucesso, uma vez que problemas difíceis muitas vezes requerem conhecimentos e métodos multidisciplinares. Ela acrescentou que os investigadores de engenharia, matemática e cuidados de saúde – incluindo médicos e enfermeiros, assistentes sociais e outros profissionais – precisam de trabalhar em conjunto para garantir que analisam os problemas de forma holística, a fim de desenvolver soluções impactantes.

Direções futuras para IA

O projeto sepse demonstra o poder potencial da IA ​​em aplicações médicas. Khojandi está agora se unindo a novos colaboradores para aplicar seus conhecimentos e ferramentas na solução de diversos problemas.

Ela está trabalhando com Vasileios Maroulas, vice-chanceler assistente, vice-diretor da AI Tennessee Initiative e professor de matemática, e Scott Emrich, professor associado de ciência da computação. Estão a aproveitar os dados dos registos de saúde eletrónicos, incluindo dados fisiológicos e de imagem, para desenvolver modelos que ajudem no planeamento do tratamento.

Por exemplo, Maroulas e Khojandi estão trabalhando com Jason Buehler e Patrick McFarland no Departamento de Anestesiologia do UT Medical Center para desenvolver modelos de IA que possam prever a insuficiência ventilatória induzida por opioides em pacientes em ambientes hospitalares. Eles também estão colaborando com Stefanos Boukovalas e Devin Clegg, do Departamento de Cirurgia da UTMC, para prever o risco de linfedema após câncer de mama e identificar fatores adicionais para ajudar a orientar o planejamento do tratamento.

Emrich e Khojandi estão trabalhando com Jill Maples, Kimberly Fortner, Nikki Zite e Callie Reeder – todas do Departamento de Obstetrícia e Ginecologia da UTMC – para usar IA para melhorar os cuidados maternos e fetais. Além de seus cargos na UTMC, Buehler, Boukovalas, Clegg, Maples, Zite e Reeder também são membros do corpo docente da Faculdade de Medicina do UT Health Science Center.

“No geral, acredito sinceramente que os nossos modelos podem revolucionar a saúde e os cuidados de saúde e fornecer um grande apoio aos profissionais de saúde que cuidam dos pacientes à beira do leito; no entanto, deve-se ter cuidado ao desenvolver os modelos para garantir que sejam equitativos, imparciais e práticos e seus resultados permanecem reproduzíveis”, disse Khojandi. “Portanto, temos um longo caminho pela frente, mas estou otimista e entusiasmado com o que o futuro reserva”.

Embora o estudo seja apenas o primeiro passo, ele estabeleceu uma base para sucessos futuros – tudo isso tornado possível pelo espírito de colaboração e pelo compromisso de garantir que a pesquisa da UT esteja tornando a vida e as vidas melhores.

Fornecido pela Universidade do Tennessee em Knoxville

Citação: A equipe de pesquisa usa IA para melhorar a detecção de sepse e o tratamento eficaz (2024, 2 de fevereiro) recuperado em 2 de fevereiro de 2024 em https://medicalxpress.com/news/2024-02-team-ai-sepsis-efficient-treatment.html

Este documento está sujeito a direitos autorais. Além de qualquer negociação justa para fins de estudo ou pesquisa privada, nenhuma parte pode ser reproduzida sem permissão por escrito. O conteúdo é fornecido apenas para fins informativos.

Portalenf Comunidade de Saúde

A PortalEnf é um Portal de Saúde on-line que tem por objectivo divulgar tutoriais e notícias sobre a Saúde e a Enfermagem de forma a promover o conhecimento entre os seus membros.

Looks like you have blocked notifications!

Comenta no Facebook

Portalenf Comunidade de Saúde

A PortalEnf é um Portal de Saúde on-line que tem por objectivo divulgar tutoriais e notícias sobre a Saúde e a Enfermagem de forma a promover o conhecimento entre os seus membros.

Deixe um comentário

O seu endereço de email não será publicado. Campos obrigatórios marcados com *

Este site utiliza o Akismet para reduzir spam. Fica a saber como são processados os dados dos comentários.

Botão Voltar ao Topo
Keuntungan Bermain Di Situs Judi Bola Terpercaya Resmi slot server jepang
error: Alert: Conteúdo protegido !!
Send this to a friend