هوش مصنوعی با راهکاری تازه بازدهی بیمارستان‌ها را افزایش می‌دهد

محققان با استفاده از هوش مصنوعی دلایل مراجعه مجدد بیماران به بیمارستان را مطالعه کردند. آن‌ها امیدوارند به کمک هوش مصنوعی روند درمانی را بهبود داده و از فشاری که بر سیستم بهداشتی وارد می شود بکاهند.

محققان دانشگاه موناش استرالیا (Monash University) در تحقیق جدید خود با استفاده از هوش مصنوعی سوابق پزشکی ده ساله بیماران شامل ۱۴ هزار سابقه پزشکی و جزئیات بیش از ۳۲۷ هزار مراجعه مجدد به بیمارستان را بررسی کردند.

«Wray Buntine»، رهبر پروژه و استاد فناوری اطلاعات و علوم داده از دانشگاه موناش می‌گوید هدف از این تحقیق کاهش هزینه‌های بیمارستان و بهبود کیفیت خدمات دهی در بیمارستان‌ها بوده است. به گفته او الگوریتم‌های یادگیری ماشینی توسعه داده شده توسط آن‌ها با بررسی سوابق پزشکی بیماران می‌توانند زمان و دلیل مراجعه مجدد بیمار به بیمارستان را پیش بینی کرده و در مورد امکان جلوگیری از مراجعه دوباره او به پزشکان کمک کنند.

محققان در این تحقیق یک مدل پیش بینی برای بیماری‌های مزمن کبد و مشکلات قلبی، که فشار زیادی بر سیستم بهداشتی استرالیا وارد می‌کنند، توسعه دادند. محققان می‌گویند شناسایی دقیق بیمارانی که احتمال مراجعه مجدد آن‌ها به بیمارستان به خاطر ابتلا به دو بیماری یاد شده بالاست، به آن‌ها کمک می‌کند تا مداخله پزشکی بموقع را فراهم کرده و از بستری کردن بیمار جلوگیری کنند. این کار به نفع بیماران خواهد بود و به ایجاد یک سیستم درمانی بهینه منتهی خواهد شد.

با اینکه این پروژه هنوز در حال توسعه بوده و پیش بینی می‌شود سال آینده میلادی تکمیل شود، محققان معتقدند نتایج اولیه آن می‌توانند به پیش بینی زمان بازپذیرش کمک کنند.

دانشگاه موناش در بیانیه‌ای جداگانه از مشارکت با دیگر بیمارستان‌های استرالیا از ساخت پایگاه داده‌ای به نام «CDAP» نیز خبر داده که پزشکان سراسر این کشور می‌توانند از طریق آن به داده‌های آماری لحظه‌ای در مورد پیشرفت روش‌های درمانی کووید ۱۹ و نتایج کارآزمایی‌های بالینی دسترسی پیدا کنند.

به گفته محققان دانشگاه موناش توسعه این پایگاه داده به پزشکان و محققان کمک می‌کند تا کووید ۱۹ را بهتر درک کنند و به کمک آن بیمارانی که به بستری شدن و مراقبت‌های ویژه نیاز دارند را شناسایی کنند.