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 10:032018-01-24پزشكي

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:
آغاز مرحله نخست واکسیناسیون فلج اطفال در سیستان و بلوچستان

راه هایی برای افزایش سلامت زنان

چه ساعتی شام بخوریم؟

روزتان را با خوردن این معجون آغاز کنید

شربت لیمو عمانی و خواص آن + طرز تهیه لیمو عمانی در منزل//

با بوی بد دهان به طور قطعی خداحافظی کنید

با این علائم، خودتان آپاندیس را تشخیص دهید

شیوه های درمان سرمازدگی بدن در آب و هوای سرد+ تصاویر

کلسیم اضافی در مغز منجر به پارکینسون می شود

داروهای "افسردگی" موثرتر از تلقین هستند

ترفندهایی ساده برای لاغر شدن سریع تا نوروز

اینفوگرافیک| 6 گزینه غذایی ممنوعه برای مبتلایان به سندرم متابولیک

دلایلی شگفت انگیز برای اینکه شب ها زودتر بخوابید

خوردن این غذاها بیشتر گرسنه تان می کند

اگر زیاد نفخ می کنید،بخوانید

ادویه ای بی نظیر برای تسکین درد

میوه ای ده هزار بار قدرتمندتر از شیمی درمانی

6 گزینه غذایی را برای حفظ شادابی پوست به صبحانه بیفزایید

نوشیدنی که ریسک ابتلا به سرطان مری را چند برابر می کند

بهبود 30 درصد بیماران سکته مغزی با بوتاکس؟!

ناصر خسرو هیچ وقت از دارو فروشان خالی نمی شود

«سندرم خستگی مزمن» + راهکار درمانی

نباید در حوزه دارو به اسم «تولید داخل» به سلامت مردم آسیب بزنیم

8 واحد بهداشتی به طور همزمان در اصفهان به بهره برداری رسید

حمیدرضا صالحی، نرگس باقری مطلق مطالعه فقهی ـ حقوقی اذن زوج در اعمال جراحی زیبایی زوجه

طرح واکسیناسیون سراسری علیه تب زرد در برزیل

قرص های ضد افسردگی نتیجه بخش است؟

تمیز کردن لکه های دیوار گچی

مصرف قلیان در قهوه خانه ها برچیده شود

آیا رابطه مقعدی ضرر دارد؟

تشخیص بیماری قلبی با اسکن چشم گوگل

علایمی که می گویند باید بیشتر ورزش کنید

کاسرول کوفته مرغ با سس میگو

10 راه برای آرام کردن کودک بدخلق

موسیقی درمانی در کودکان

سردرد در کودکان + علل

علت دردهای قاعدگی بعد از روز سوم

انحراف تیغه بینی (علل و درمان انحراف بینی)

احساس درد پیش از اجابت مزاج چیست؟

لباس های مهمانی برای خانم های درشت اندام

غربالگری پارکینسون با اشک چشم

همه راه های درمان زود انزالی (درمان های دارویی و خانگی)

عکس/ کارآفرینی یک بیمار سرطانی

فرماندار آستارا: وضعیت خدمات درمانی در این شهرستان نامطلوب است

استارتاپ Proven با کمک هوش مصنوعی کرم اختصاصی پوست شما را تولید می کند

با این ماسک های صورت پوستتان را شفاف کنید!

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

استارتاپ Proven با کمک هوش مصنوعی کرم اختصاصی پوست شما را تولید می کند

ویتامین هایی برای گردش خون بهتر

وزیر بهداشت از پزشک آسیب دیده اصفهانی عیادت کرد

بهترین زمان مصرف پروتیین چه زمانی است؟

موارد مصرف قرص فلوکستین

اگر این علائم را دارید باهوش هستید

نرمی استخوان را با غذایی خوشمزه تار و مار کنید

نحوه درست خوابیدن برای کمردرد

فرماندار آستارا: وضعیت خدمات درمانی در این شهرستان نامطلوب است

ماسک طبیعی رفع سیاهی زانو

راهی برای کم کردن ضرر توالت فرنگی برای روده ها

معاون وزیر بهداشت: قهوه خانه داران، تغییر رویکرد دهند

وزیر بهداشت از پزشک آسیب دیده اصفهانی عیادت کرد

این غذاها باعث می شوند بیشتر گرسنه شوید

با این روش های خانگی ابروهای خود را تا عید پرپشت کنید

با دریافت چند کالری در روز، روزانه لاغر شویم؟

نبض/ مالیات، راه کاهش مصرف دخانیات

سرخ شدن صورت نشانه چیست

قند خون | نشانه های قند خون | راه های درمان دیابت

از خواص شگفت انگیز سیر برای مو چه می دانید؟

چند خوراکی خوشمزه برای تقویت اعصاب

چند توصیه به خانم های خانه دار

خواص شگفت انگیز سیر برای تقویت مو

مشکلات مردان علت 50 درصد ناباروری زوجین است

مجله روانشناسی و بهداشت روانی

آشنایی با مفهوم اثر از دیدگاه دانینگ -کروگر

افتتاح طرح های درمانی با حضور وزیر بهداشت در اصفهان

خارج کردن تومور 2 کیلویی از مغز بیمار هندی +عکس

به صدا درآمدن زنگ خطر بحران سالمندی در کشور

آیا مصرف برنج نقش پر رنگی در چاقی ما دارد؟

این غذاها باعث می شوند بیشتر گرسنه شوید

پنج عامل ترغیبی در سوپرمارکت ها برای خرید بیشتر

اندام های از بین رفته ای که دوباره زنده شدند

سرخ شدن صورت نشانه چیست

نقش 39 درصدی الکل در بروز آلزایمر

مهترین مواد غذایی در سن بلوغ

7 درصد از معتادان کشور زن هستند

ابتلای 37 درصد تهرانی ها به کمر درد

فال روزانه شنبه 5 اسفند ماه 96

یک راهکار طبیعی برای رفع سیاهی زانو

چند راهکار ساده برای اینکه زودتر خوابمان ببرد

نحوه خوابیدن صحیح برای آنهایی که کمردرد دارند

راهکارهای درمان سردرد از زبان امام رضا(ع)

سوره ای مجرب برای شفای بیمار

چه زمانی بدن به پروتیین نیاز دارد؟

افتتاح طرح های خدماتی و درمانی با حضور وزیر بهداشت

نوشیدنی داغ خطر ابتلا به سرطان مری را افزایش می دهد

خواص لیمو عمانی چیست + طرز تهیه لیمو عمانی خانگی

5ماده غذایی خطرناک وسرطان زابرای دختران جوان

آیا بیماری گال در کمین ماست؟

درمان کبد چرب با یک تغییر در رژیم غذایی

برای داشتن گردش خون مناسب چه کنیم؟

چه چیزی موجب احساس درد پیش از اجابت مزاج می شود؟

دستگاه تعیین زمان مرگ ساخته شد

دستگاه تعیین زمان مرگ ساخته شد