การปรับปรุงการเข้าพักในโรงพยาบาลและผลลัพธ์สำหรับผู้ป่วยสูงอายุที่มีภาวะสมองเสื่อมผ่าน AI

ด้วยการใช้ปัญญาประดิษฐ์ นักวิจัยของฮูสตัน เมธอดิสต์สามารถทำนายผลการรักษาในโรงพยาบาลของผู้ป่วยสูง อายุ

ที่มีภาวะสมองเสื่อมในวันแรกหรือวันที่สองของการเข้ารับการรักษาในโรงพยาบาล การประเมินผลลัพธ์แต่เนิ่นๆ นี้หมายถึงการแทรกแซงที่ทันท่วงทีมากขึ้น การประสานงานการดูแลที่ดีขึ้น การจัดสรรทรัพยากรอย่างรอบคอบมากขึ้น การจัดการการดูแลที่มุ่งเน้น และการรักษาอย่างทันท่วงทีสำหรับผู้ป่วยที่มีความเสี่ยงสูงและมีความเสี่ยงสูงเหล่านี้เนื่องจากผู้ป่วยสูงอายุที่มีภาวะสมองเสื่อมต้องพักรักษาตัวในโรงพยาบาลนานกว่าและมีค่าใช้จ่ายด้านการดูแลสุขภาพสูงกว่าผู้ป่วยรายอื่น ทีมงานจึงพยายามแก้ปัญหานี้ด้วยการระบุปัจจัยเสี่ยงที่ปรับเปลี่ยนได้และพัฒนาแบบจำลองปัญญาประดิษฐ์ที่ปรับปรุงผลลัพธ์ของผู้ป่วย เพิ่มคุณภาพชีวิตและลดจำนวนผู้ป่วย ความเสี่ยงในการเข้ารับการรักษาซ้ำในโรงพยาบาล รวมทั้งลดค่าใช้จ่ายในการรักษาตัวในโรงพยาบาลเมื่อนำโมเดลนี้ไปใช้จริง การศึกษานี้เผยแพร่ทางออนไลน์ในวันที่ 29 กันยายนในAlzheimer's & Dementia: Translational Research and Clinical Interventions ซึ่งเป็นวารสารของสมาคมโรคอัลไซเมอร์ โดยพิจารณาจากบันทึกโรงพยาบาลของผู้ป่วยสูงอายุที่มีภาวะสมองเสื่อม 8,407 รายในช่วง 10 ปีในระบบของโรงพยาบาลฮูสตันเมธอดิสต์ของโรงพยาบาล 8 แห่ง โดยระบุถึงความเสี่ยง ปัจจัยสำหรับผลลัพธ์ที่ไม่ดีในกลุ่มย่อยของผู้ป่วยที่มีภาวะสมองเสื่อมประเภทต่างๆ ที่เกิดจากโรคต่างๆ เช่น อัลไซเมอร์ พาร์กินสัน หลอดเลือดสมองเสื่อม ฮันติงตัน เป็นต้น จากข้อมูลนี้ นักวิจัยได้พัฒนาโมเดลแมชชีนเลิร์นนิงเพื่อรับรู้ปัจจัยเสี่ยงที่คาดการณ์ได้อย่างรวดเร็วและจัดลำดับความสำคัญสำหรับผลลัพธ์การรักษาในโรงพยาบาลที่ไม่พึงประสงค์ในช่วงต้นของการรักษาตัวในโรงพยาบาลของผู้ป่วยเหล่านี้ ด้วยความแม่นยำ 95.6% แบบจำลองของพวกเขามีประสิทธิภาพดีกว่าวิธีการประเมินความเสี่ยงอื่นๆ ที่แพร่หลายสำหรับภาวะสมองเสื่อมหลายประเภทเหล่านี้ นักวิจัยเสริมว่าไม่มีวิธีอื่นใดในปัจจุบันที่ใช้ AI เพื่อทำนายผลลัพธ์การรักษาในโรงพยาบาลของผู้ป่วยสูงอายุที่มีภาวะสมองเสื่อมด้วยวิธีนี้อย่างครอบคลุม และไม่ได้ระบุปัจจัยเสี่ยงเฉพาะที่สามารถแก้ไขได้โดยขั้นตอนทางคลินิกเพิ่มเติมหรือข้อควรระวังเพื่อลดความเสี่ยง Eugene C. Lai, MD, Ph.D. กล่าวว่า "การศึกษาแสดงให้เห็นว่าหากเราสามารถระบุผู้ป่วยสูงอายุที่มีภาวะสมองเสื่อมได้ในทันทีที่พวกเขาเข้ารับการรักษาในโรงพยาบาลและตระหนักถึงปัจจัยเสี่ยงที่สำคัญ เราก็จะสามารถดำเนินการแทรกแซงที่เหมาะสมได้ทันที" Eugene C. Lai, MD, Ph.D. Robert W. Hervey มอบเก้าอี้ดีเด่นสำหรับการวิจัยและการรักษาพาร์กินสันใน Stanley H. Appel Department of Neurology "การลดและแก้ไขปัจจัยเสี่ยงที่แก้ไขได้สำหรับผลลัพธ์ที่ไม่พึงประสงค์ในทันที ทำให้เราสามารถปรับปรุงผลลัพธ์และลดระยะเวลาการพักรักษาตัวในโรงพยาบาล" Lai นักประสาทวิทยาได้ทำงานร่วมกับผู้ป่วยเหล่านี้มาหลายปี และต้องการหาวิธีที่จะเข้าใจวิธีการจัดการและพฤติกรรมของพวกเขาได้ดีขึ้นเมื่อเข้ารับการรักษาในโรงพยาบาล เพื่อให้แพทย์สามารถปรับปรุงการดูแลและคุณภาพชีวิตสำหรับพวกเขา เขาติดต่อ Stephen TC Wong, Ph.D., PE ผู้เชี่ยวชาญด้านชีวสารสนเทศและผู้อำนวยการ TT และ WF Chao Center for BRAIN ที่ Houston Methodist ด้วยแนวคิดนี้ เพราะเขาเคยร่วมงานกับ Wong มาก่อน และรู้ว่าทีมของเขาสามารถเข้าถึง คลังข้อมูลทางคลินิกขนาดใหญ่ของผู้ป่วย Houston Methodist และความสามารถในการใช้ AI เพื่อวิเคราะห์ข้อมูลขนาดใหญ่ มีการระบุปัจจัยเสี่ยงของภาวะสมองเสื่อมแต่ละประเภท รวมทั้งปัจจัยที่เอื้อต่อการแทรกแซง ปัจจัยเสี่ยงของผลการรักษาในโรงพยาบาลที่พบมากที่สุด ได้แก่ โรคสมองอักเสบ จำนวนปัญหาทางการแพทย์เมื่อเข้ารับการรักษา แผลกดทับ การติดเชื้อทางเดินปัสสาวะ การหกล้ม แหล่งที่มาของการเข้ารับการรักษา อายุ เชื้อชาติ และโรคโลหิตจาง โดยมีการทับซ้อนกันหลายกลุ่มในกลุ่มภาวะสมองเสื่อมหลายกลุ่ม ในท้ายที่สุด นักวิจัยมีเป้าหมายที่จะใช้มาตรการบรรเทาผลกระทบเพื่อเป็นแนวทางในการแทรกแซงทางคลินิกเพื่อลดผลลัพธ์เชิงลบเหล่านี้ Wong กล่าวว่ากลยุทธ์ที่เกิดขึ้นใหม่ของการใช้การคาดการณ์ของ AI ที่ทรงพลังเพื่อกระตุ้นการใช้เส้นทางทางคลินิกที่ "ชาญฉลาด" ในโรงพยาบาลนั้นเป็นเรื่องแปลกใหม่และจะไม่เพียงปรับปรุงผลลัพธ์ทางคลินิกและประสบการณ์ของผู้ป่วยเท่านั้น แต่ยังช่วยลดค่าใช้จ่ายในการรักษาตัวในโรงพยาบาลอีกด้วย "ขั้นตอนต่อไปของเราคือการนำโมเดล AI ที่ผ่านการตรวจสอบไปใช้ในแอปบนอุปกรณ์เคลื่อนที่สำหรับห้องไอซียูและเจ้าหน้าที่โรงพยาบาลหลัก เพื่อแจ้งเตือนผู้ป่วยสูงอายุที่มีภาวะสมองเสื่อมซึ่งมีความเสี่ยงสูงต่อผลการรักษาในโรงพยาบาลที่ไม่ดี และแนะนำพวกเขาเกี่ยวกับขั้นตอนการแทรกแซงเพื่อลดปัญหาดังกล่าว ความเสี่ยง "หว่องผู้เขียนที่เกี่ยวข้องของหนังสือพิมพ์และประธานจอห์นเอส. ดันน์ประธานาธิบดีที่โดดเด่นด้านวิศวกรรมชีวการแพทย์ของสถาบันวิจัยเมธอดิสต์ฮุสตันกล่าว "เราจะทำงานร่วมกับฝ่ายไอทีของโรงพยาบาลเพื่อผสานรวมแอปนี้เข้ากับ EPIC อย่างราบรื่น โดยเป็นส่วนหนึ่งของการใช้งานทั้งระบบสำหรับการใช้งานทางคลินิกตามปกติ" เขากล่าวว่าสิ่งนี้จะเป็นไปตามกลยุทธ์ทางเดินทางคลินิกที่ชาญฉลาดแบบเดียวกับที่พวกเขาทำงานเพื่อรวมแอพ AI ใหม่อีกสองแอพที่ทีมของเขาพัฒนาเข้ากับระบบ EPIC สำหรับการใช้งานทางคลินิกเป็นประจำเพื่อเป็นแนวทางในการแทรกแซงที่ลดความเสี่ยงของผู้ป่วยที่ได้รับบาดเจ็บและประเมินเต้านมได้ดีขึ้น ความเสี่ยงมะเร็งเพื่อลดการตัดชิ้นเนื้อและการวินิจฉัยเกินความจำเป็น ผู้ทำงานร่วมกันของ Wong และ Lai ในการศึกษานี้คือ Xin Wang, Chika F. Ezeana, Lin Wang, Mamta Puppala, Yunjie He, Xiaohui Yu, Zheng Yin และ Hong Zhao ทั้งหมดนี้มี TT & WF Chao Center for BRAIN ที่ Houston Methodist Academic Institute และ Yan-Siang Huang ร่วมกับโรงพยาบาล Far Eastern Memorial ในไต้หวัน