مطالب مرتبط:
دستگاه تعیین زمان مرگ ساخته شد
روابط عمومی دستگاه های اجرایی در برنامه های خود در جامعه امید آفرینی کنند
استخدام ویزیتور و اپراتور دستگاه لیزر در تهران
بهره برداری از دستگاه جدید آنژیو گرافی بیمارستان سید الشهدای یزد
افراد با عضویت در سامانه سجام آسیب های اجتماعی را به دستگاه قضا گزارش کنند
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 11:032018-01-24پزشكي

دستگاه تعیین زمان مرگ ساخته شد


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.

- به گزارش سایت قطره و به نقل ازشمانیوز: 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 - ماشین - گزارش - پزشکی - جهانی

آخرین اخبار سرویس:
شیر و خرما بهترین پیشنهاد برای افطار

تعاملات هیات پزشکی ورزشی فارس با هیات کشتی استان گسترش می یابد

بیرجند بیست و دومین مقصد گروه مرهم است

مسمومیت مصرف قارچ سمی در هرمزگان گزارش نشده است

از مصرف و حتی دست زدن به قارچ های سمی به شدت پرهیز کنید

مدیر ستاد بحران سازمان پزشکی قانونی کشور: مرگ 11 نفر بر اثر مصرف قارچ های سمی/ قارچ فله ای نخرید

تاسیس و راه اندازی درمانگاه های تخصصی دیابت

آشنایی با روش تهیه سوپ نخود فرنگی و جعفری با خامه ترش؛ برای افطاری

دانشگاه علوم پزشکی: مردم از دست فروشان قارچ نخرند

فعالیت «اتوبوس های ایدز» متوقف نشده است/ اطلاع رسانی "ایدز" ادامه دارد

زنان باردار و شیرده می توانند روزه بگیرند؟

بیماری نیوکاسل بلای جان یک واحد مرغداری

درمانگاه های تخصصی دیابت تاسیس، تجهیز و راه اندازی می شوند

مبتلایان به دیابت می توانند روزه بگیرند؟

این مایعات در ماه رمضان به داد شما خواهد رسید

فعالیت «اتوبوس های ایدز» متوقف نشده است/ اطلاع رسانی "ایدز" ادامه دارد

درمانی فوق پیشرفته برای کسانی که فلج شده اند/تصاویر

اپیدمی مسمومیت با قارچ در کشور

توصیه های بهداشت غذایی در ماه مبارک رمضان

رمضان با بوی قُوَتو در کرمان

نبض اهدای عضو در خوزستان ضعیف می زند

وقتی اعتیاد به اینترنت حیات وحش جهانی را نابود می کند

چگونه 120 سال عمر کنیم؟

ورزش آلزایمر را شدیدتر می کند؟

ترامپ محو در زیبایی دختر بیل گیتس

شدت اسهال خونی با گروه خونی مرتبط است

اعلام نرخ بعضی مواد غذایی در خراسان رضوی

عملیات اجرایی بیمارستان خدابنده یک ماه آینده آغاز می شود

روزه گرفتن چه فایده ای برای بدن دارد؟ (+اینفوگرافیک)

بهاره رهنما: از تلگرام می روم چون منطقی نیست وقت مان را صرف وصل و بعد التماس به فیلترشکن کنیم

توصیه های پزشکی روزه داری در ماه مبارک رمضان+ فیلم

کولر ماشین چطور ما را بیمار می کند؟

تنباکوهایی که طعم سرطان می دهند!

چگونگی حفظ تناسب اندام با افزایش سن

وقتی وضع اندامی زندگی شما را تغییر می دهد

4 درمان خانگی برای سوء هاضمه

راه های پیشگیری از ابتلا به برخی بیماری ها در ایام حج

توصیه های بهداشت غذایی در ماه مبارک رمضان

تبدیل بقایای مواد غذایی به انرژی الکتریکی

شیر ولرم و خرما بهترین پیشنهاد برای افطار

نقش مؤثر روزه در سلامتی روح و روان انسان

4 درمان خانگی برای سوء هاضمه

فارس گزارش می دهد چهار سال زمین گیر شدن مرتضی با تومور مغزی+تصاویر

اهدای عضو با نهادینه کردن فرهنگ ایثار در جامعه

همه جراحی ها ضروری نیستند

روزه عاملی مؤثر در کاهش بیماری های روحی و روانی است

نقش حفاظتی رژیم غذایی پرفیبر در مقابل ویروس آنفلوانزا

همراه با کاروان حج/ 8 راه های پیشگیری از ابتلا به برخی بیماری ها در ایام حج

قارچ سمی می تواند کشنده باشد

خودکشی با قلیان کشی

خوراکی های تقویت کننده انرژی و کاهش خستگی را بشناسید

چرا اطراف ناخن پوسته می شود

4 درمان خانگی برای سوء هاضمه

اعضای 63 بیمار مرگ مغزی در قزوین اهدا شده است

بسترهای اهدای عضو در کردستان فراهم نیست - عبدالله رحمانی*

قارچ های مرگ آور در سبد غذایی مردم/ وجود 100 نوع قارچ سمی

اضطراب زنان به سلامت استخوان های آنها آسیب می زند

4 درمان خانگی برای سوء هاضمه

خوردن دو وعده ماهی در هفته از بیماری قلبی پیشگیری می کند

رژیم غذایی بهتر موجب بزرگ تر شدن مغز می شود

افراد مبتلا به دیابت می توانند روزه بگیرند؟

شدت اسهال خونی با گروه خونی مرتبط است

فاکتورهای پرخطر سرطان سینه را بشناسید

مواد موجود در خمیر دندان با بیماری ریه مقابله می کند

مسمومیت 16 نفر در خوی بر اثر مصرف قارچ سمی

«سرطان اد اری»، یک قد م ماند ه تا «کما»

چگونه در «ماه رمضان» لاغر شویم

مواد خوراکی تقویت کننده انرژی و کاهش خستگی را بشناسید

ورزش ممکن است آلزایمر را شدیدتر کند

سم قارچ ها با پختن از بین نمی رود

ابوعلی ودادهیر، محمدسعید ذکایی، رضا خاشعی عوامل مؤثر بر انتخاب سبک زندگی سلامت محور شهروندان شهر تهران با تاکید بر مصرف رسانه ای

علائم هشدار دهنده که از سکته قلبی و مغزی خبر می دهند

زادروز کاشف ساز و کار "نوار قلب"

ورزش ممکن است آلزایمر را شدیدتر کند

6 معما درباره بدن انسان که دانشمندان قادر به توضیح آنها نیستند

درمان مشکلات معده کودکان به کمک «زنجبیل»

مادران باردار نیازمند را دریابیم

نمی خواهم سوژه «ماه عسل» شوم

قارچ سمی می تواند کشنده باشد

مخترعی که به جای تشویق، تهدید شد + فیلم

قارچ سمی می تواند کشنده باشد

راهکارهایی برای تمیز کردن کتاب

کودکان باید چقدر ورزش کنند

هنگام خواب با موبایل و فضای مجازی نباشید

بهترین دمنوش ها برای روزه داران

برای سلامت مغزتان این 6 عادت روزمره را ترک کنید!

عصب ها چگونه کار می کنند؟

کی روش:مطمئن باشید پسرانم شادی تان را 2برابر می کنند

پیش نشانه های ابتلا به سرطان روده بزرگ

خواص کدو سبز

پیش نشانه های ابتلا به سرطان روده بزرگ

نکته بهداشتی: نشانگان حرکت دوره ای اندام

تشدید نظارت کارشناسان بهداشت محیط مرکز توسعه سلامت کیش در ماه مبارک رمضان

این نکات را در تشخیص سمی بودن قارچ ها جدی بگیرید

علائم خونریزی مغزی چیست؟

داشتن پوستی به صافی مرمر با معجزه عسل!

تاثیر تغییر چرخه خواب و بیداری روزه داران بر سیستم ایمنی بدن

درمان قطعی لکه های قهوه ای پوست بدون دارو!

خشم تایوان به خاطر دعوت نشدن به نشست سازمان بهداشت جهانی

با شکم خالی ورزش نکنید

دستگاه تعیین زمان مرگ ساخته شد

دستگاه تعیین زمان مرگ ساخته شد