مطالب مرتبط:
ماشین حسابی که تاریخ مرگ را اعلام می کند!
ماشین حسابی که تاریخ مرگ را اعلام می کند!
ابتلای استقلال به سندرم صدرنشین ها/ تاریخ از وقوع فاجعه می گوید!
شماره 58 فصلنامه مطالعات تاریخی با محوریت تاریخ شفاهی انقلاب منتشر شد
بهترین انیمیشن های کوتاه تاریخ (7)
5 + 1
یارانه ها
مسکن مهر
قیمت جهانی طلا
قیمت روز طلا و ارز
قیمت جهانی نفت
اخبار نرخ ارز
قیمت طلا
قیمت سکه
آب و هوا
بازار کار
افغانستان
تاجیکستان
استانها
ویدئو های ورزشی
طنز و کاریکاتور
بازار آتی سکه
چهارشنبه، 4 بهمن 1396 ساعت 09:522018-01-24پزشكي

دستگاهی که تاریخ مرگ را اعلام می کند!


یک سیستم هوش مصنوعی جدید که توسط دانشگاه استنفورد ساخته شده است، می تواند زمان مرگ بیماران مبتلا به مریضی سخت را با 90 درصد دقت پیش بینی کرده و به بهبود مراقبت از زندگی بیماران کمک کند.

- یک سیستم هوش مصنوعی جدید که توسط دانشگاه استنفورد ساخته شده است، می تواند زمان مرگ بیماران مبتلا به مریضی سخت را با 90 درصد دقت پیش بینی کرده و به بهبود مراقبت از زندگی بیماران کمک کند.

ممکن است اکنون ماشین حساب مرگ دانشگاه "استنفورد" بتواند با دقت به این پرسش پاسخ دهد: من چه زمانی می میرم؟ یک سیستم جدید یادگیری عمیق هوش مصنوعی می تواند در زمینه مراقبت تسکینی پیشرفت ایجاد کند.

"مراقبت تسکینی"(Palliative Care) بنا به تعریف سازمان بهداشت جهانی دربرگیرنده همه اقدامات فعال و کامل برای کاستن از رنج و درد و بهبود کیفیت زندگی در بیمار است.

این روش در حالت عمده مختص بیماران مبتلا به یک بیماری خاص است که به درمان پاسخ نمی دهند و نتیجه مستقیم بیماری، مرگ است و تنها به آرام نمودن بیمار و کم کردن نشانه های بیماری در وی برمی گردد.

در کنار نام مراقبت تسکینی می توان به داروهای تسکینی اشاره کرد که دربرگیرنده تجویز دارو برای از بین بردن درد یا کاهش یک "سمپتوم"(نشانه بیماری) می شود، برای مثال می توان به دارودرمانی در رفع تهوع پس از شیمی درمانی یا حتی کاستن سمپتوم ها در آنفلوانزا اشاره نمود.

محققان دانشگاه "استنفورد" یک الگوریتم جدید هوش مصنوعی را آزمایش کرده اند که می تواند به بیمارستان ها کمک کند که مراقبت های تسکینی را برای بیماران سرطانی و بیماران مبتلا به بیماری های خاص و صعب العلاج بهبود بخشند.

الگوریتم مبتنی بر یک دستگاه شبکه عصبی یادگیری عمیق می تواند پرونده های مهم پزشکی یا پرونده های بهداشت الکترونیکی ثبت شده بیماران مبتلا به بیماری حاد را تحلیل می کند تا نیاز آنان به مراقبت تسکینی را مشخص کند.

این الگوریتم می تواند زمان مرگ بیماران را با دقت 3 تا 12 ماه پیش بینی کند و از این پیش بینی برای مراجعه بیماران برای مراقبت تسکینی استفاده می کند.

محققان می گویند: پیش بینی های ما می تواند تیم مراقبت تسکینی بیمارستان ها را در جهت رسیدگی موثر به چنین افرادی به جای استفاده از درمان نافرجام پزشکان یا انجام بررسی های وقت گیر برای همه بیماران به کار گیرند.

مطالعات قبلی نشان داد که تقریبا 80 درصد از آمریکایی ها مایل هستند روزهای آخر عمر را در خانه بگذرانند، اما تنها 20 درصد قادر به انجام این کار هستند و بیش از نیمی از مرگ و میر بیماران در بیمارستان ها و در بخش های مراقبت های ویژه اتفاق می افتد.

در واقع بیماران مبتلا به بیماری حاد اغلب در طول روزهای واپسین شان به جای راحت گذاشته شدن، به شدت تحت مراقبت های ویژه بیهوده پزشکی قرار می گیرند.

به این دلیل است که توانایی بیمارستان ها برای ارائه مراقبت های تسکینی در سال های اخیر بهبود یافته است.

با این حال، مطالعه نشان می دهد که تنها 7 تا 8 درصد از بیماران در واقع آن را دریافت می کنند.

عواملی مانند فقدان متخصص مراقبت تسکینی از بیماران که تک تک داده های بیمار را تجزیه و تحلیل کند، آگاهی بخشی به بیمار و امید به زندگی موجب بروز این مشکل شده است.

اینجا جایی است که الگوریتم یادگیری عمیق هوش مصنوعی وارد عمل می شود.

"آناند آواتی" از دانشکده علوم کامپیوتر دانشگاه استنفورد می گوید: ما می توانیم یک مدل پیش بینی کننده را با استفاده از داده های عملیاتی به طور منظم در محیط مراقبت های پزشکی ایجاد کنیم.

مقیاس داده های موجود به ما امکان داد تا مدل همه جانبه پیش بینی مرگ را بسازیم.

روش یادگیری که به عنوان الگوریتم یادگیری عمیق شناخته می شود از شبکه های عصبی برای فیلتر کردن و تجزیه و تحلیل حجم زیادی از داده ها استفاده می کند.

این تحقیق پیش بینی مرگ و میر را با توجه به وجود نوعی بیماری، سن بیمار و ضرورت پذیرش در مقایسه با دیگران انجام می دهد.

از داده های پرونده الکترونیک بیمار(EHR) از اولین تماس در سال قبل برای تعیین زمان مرگ آنها ظرف 12 ماه استفاده می شود.

برای این مطالعه، محققان دو میلیون پرونده بیماران بزرگسال و کودکانی که به بیمارستان استنفورد و بیمارستان کودکان "لوسیل پکارد" بستری شده بودند، بررسی کردند.

آنها 200 هزار بیمار مناسب برای مطالعه را شناسایی کردند.

پرونده الکترونیک بیماران مذکور برای پیش بینی زمان مرگ به وسیله سیستم مورد تجزیه و تحلیل قرار گرفت.

برای این مطالعه آزمایشی، الگوریتم موظف بود زمان مرگ را در هر یک از 160 هزار بیمار طی 12 ماه از تاریخ داده شده پیش بینی کند.

این مطالعه توانست سیستم را برای پیش بینی زمان مرگ بیماران طی 3 تا 12 ماه آینده آموزش دهد.

پس از آن این الگوریتم، داده های 40 هزار بیمار باقی مانده را برآورد کرد و در 9 مورد از 10 مورد قادر به پیش بینی دقیق زمان مرگ آنها طی 3 تا 12 ماه بود.

اکثر بیماران با احتمال پایین مواجهه با مرگ در بررسی یک سال اخیر، ارزیابی شدند.

"کن جونگ"، دانشمند علوم پزشکی و سرپرست مطالعه می گوید: ما می خواهیم مطمئن شویم که بیماران مبتلا به بیماری حاد و خانواده هایشان قبل از آن که دیر شود، فرصتی برای گفتگو داشته باشند.

یافته های این مطالعه با عنوان "بهبود مراقبت تسکینی با یادگیری عمیق" در Arxiv منتشر شده است.


کلید واژه ها: بیمار - بیماران - مراقبت - پیش بینی - بیماری - دانشگاه استنفورد - دانشگاه - بیمارستان - مصنوعی - درمان - بینی - سازمان بهداشت جهانی - درصد - جدید - نشانه های بیماری - زندگی - دارو - نشان - بهداشت - آمریکایی ها - شیمی درمانی - آمریکایی - مرگ و میر - آزمایش - پیشرفت - پزشکان - تاریخ - ماشین - پزشکی - جهانی

آخرین اخبار سرویس:
فرزند جمشید مشایخی: پدرم خانه نشین نشده

فواید شگفت انگیز میگو

­آغاز فصل جدیدی در روابط ایران و ژاپن در حوزه سلامت

سهم کارگران تامین اجتماعی بابت درمان در سال آینده

معدوم سازی 10تن مواد غذایی فاسد در یاسوج +عکس

مدرن ترین روش پرتودرمانی سرطان به ایران آمد

هنرمند پیشکسوت تا رسیدن به شرایط پایدار تحت نظر پزشکان خواهد بود

نحوه درست خوابیدن برای جلوگیری از کمردرد

بهترین زمان "حجامت" در اسفند ماه!

بهترین راه از بین بردن لکه چربی از روی کابینت

اندر فواید میگو

چگونه سوختگی روی فرش را از بین ببریم ؟

سلامت جامعه در گرو سلامت مردان

بیماری های کلیوی برعملکرد مغز کودکان موثر است

این غذاها باعث می شوند بیشتر گرسنه شوید

پاک کردن لکه های ماژیک از روی دیوار

ماجرای ضرب و شتم یک پزشک در بناب چیست؟

برای کاهش وزن میزان کالری دریافتی خود را نشمارید!

نگرانی و استرس از عوامل بروز "یبوست"

اگر این علائم را دارید باهوش هستید

چطور بچه ها را با طعم های جدید آشنا کنیم؟

ملکه رنجبر در سی سی یو بستری شد

4 چیزی که از مادرتان به ارث می برید!

جمشید مشایخی خانه نشین نشده است

قهوه؛ طعمی تلخ برای مبارزه با افسردگی

ساخت رباتی شبیه مار توسط محقق ایرانی

19 کشور با بهترین خدمات درمانی و بهداشتی به مردم

از صفر تا صد کندن کاغذ دیواری های قدیمی

ملکه رنجبر در سی سی یو بستری شد

چرابهتراست قبل ازخواب جوراب بپوشیم؟

نظارت بر کشتار بیش از 78 هزار راس دام در کشتارگاههای سیستان و بلوچستان

ضرب و شتم پزشک بنابی در بیمارستان

دعوت به همکاری هیأت علمی دانشگاه های علوم پزشکی

اولین مدرسه ایرانی در کمپ آوارگان میانماری شروع به کار کرد

نظارت بر کشتار بیش از 78 هزار راس دام در کشتارگاههای سیستان و بلوچستان

محصولات کشاورزی شناسنامه دار شوند

علائمی که نشان می دهد قند خونتان بالاست

طرز تهیه آش مخصوص سرماخوردگی و آنفلوآنزا

چرا در شستشوها باید از ترکیب جوهرنمک، مواد سفیدکننده و لکه بر پرهیز کرد

دکتر نظری: محیط پیرامون بیمار، یکی از مهمترین مولفه های تأثیرگذار بر بیماری

روز ملی سلامت مردان + گزارش

مجهز شدن بیمارستان شهدای پاکدشت به تست ورزش

علائم ابتلا به «سندرم خستگی مزمن» + راهکار درمانی

طرز تهیه آش مخصوص سرماخوردگی و آنفلوآنزا

چه روزهای در اسفند ماه برای "حجامت" مناسب است

شناسایی ژن دخیل در بیماری قوز قرنیه در شیراز

بازار داغ شب عید و دستان معجزه گر آرایشگران زنانه در گیلان/ ممنوعیت انجام امور پزشکی در آرایشگاه های بانوان

ملکه رنجبر در سی سی یو بستری شد

این 19 کشور بهترین خدمات درمانی و بهداشتی را به مردم خود می دهند

حال عمومی جمشید مشایخی مساعد است

سه سال جوانتر شدن طی 20 هفته

ایمن سازی 15 هزار کودک زیر 5 سال در برابر فلج اطفال در رودان

خبری خوش برای بیماران مبتلا به سرطان

ارایه خدمات بیمه درمانی به معتادان مواد مخدر

سلنیوم محافظی در برابر آسیب های استامینوفن

شیوع نوع جدید آنفلوآنزای فصلی درایران

سلنیوم محافظی در برابر آسیب های استامینوفن

محیط پیرامون بیمار، از مهمترین مولفه های تأثیرگذار بر بیماری

883 تیم بهداشتی اجرای طرح واکسناسیون فلج اطفال در ایرانشهر را برعهده دارند

120 صنعت غذایی و 20 شرکت دارویی در ساوه فعالیت دارند

آغاز معاینات پزشکی و غربالگری سلامت طلاب حوزه علمیه شهرستان قزوین

فواید 30 دقیقه ورزش برای مغز

افزایش کشف تخلف بهداشت و درمان در اصفهان

آسپیرین و تتراسایکلین در بروز کبد چرب موثر است

دکتر ایرج نظری:محیط پیرامون بیمار، از مهمترین مولفه های تأثیرگذار بر بیماری

جمشید مشایخی خانه نشین نشده است

بدهی 16 میلیارد تومانی بیمه ها به بیمارستان های جنوب کرمان

شیوع نوع جدید آنفلوآنزای فصلی درایران

21 هزار و 515 کودک در قشم مشمول طرح فلج اطفال می شوند

بدهی 16 میلیاردی بیمه ها به بیمارستان های جنوب کرمان

بیش از 210 هزار کودک زیر 5 سال هرمزگانی واکسینه می شوند

تالاب رزه درمیان عاری از بیماریهای آبزیان و پرندگان

ساخت رباتی که می خزد

2طرح بهداشتی و درمانی در دانشگاه مازندران به بهره برداری رسید

7 نشانه پیش از بروز سکته مغزی

خوراکی هایی که دندانپزشکان حتی لب به آنها نمی زنند

سرنوشت بسته های حمایتی بیماران خاص و نادر در سال 97 چه می شود؟

جمشید مشایخی خانه نشین نشده است

معاون بهداشت وزارت بهداشت تشریح کرد ضرورت اصلاح نظام پرداخت/ پیش بینی 12 گام برای اجرای پزشک خانواده

فلوشیپ مادر و جنین: اضافه وزن در دوران بارداری را جدی بگیرید

خبری خوش برای بیماران مبتلا به سرطان

سازمان بهداشت جهانی: شیوع دیفتری در بیست استان یمن

آسپیرین و تتراسایکلین در بروز کبد چرب نوع 2 موثر است.

بررسی سلامت شهروندان استان درتمام پایگاه های سلامت

توصیه عجیب وزیر بهداشت به یک پزشک! + فیلم

خوراکی هایی که دندانپزشکان حتی لب به آنها نمی زنند

طرز تهیه آش مخصوص درمان سرماخوردگی و آنفلوآنزا!

توسط معاونت غذا و داروی اهواز صورت گرفت: برگزاری جلسه کمیته دانشگاهی تجویز و مصرف منطقی دارو

کلاس آموزشی رانندگی تدافعی در سطح شهرستان باوی برگزاری شد

ام.اس در چه کسانی شایع تر است؟

آخرین اخبار از وضعیت جسمانی جمشید مشایخی از زبان پسرش

تالاب رزه  درمیان عاری از بیماریهای آبزیان و پرندگان

محافظی در برابر آسیب های استامینوفن

طرز تهیه خورش گل کلم

چهار نشانه که مشخص می کند شما بدنی ناسالم دارید

ضرب و شتم پزشک بنابی در بیمارستان

بهترین زمان ورزش کردن برای چربی سوزی

روش های تعیین جنسیت نوزاد در سراسر جهان

تله پاتی چیست و چگونه انجام می شود؟

وزیر بهداشت: طب ایرانی مکمل طب مدرن است

دستگاهی که تاریخ مرگ را اعلام می کند!

دستگاهی که تاریخ مرگ را اعلام می کند!