Az intenzív osztályon a mérőműszerek folyamatosan szállítják a páciensek életfunkcióiról szóló adatokat. Ahhoz, hogy ezekből az értékekből és más orvosilag fontos információkból a javulásra vagy más veszélyes elváltozásokra következtetni lehessen, időre és tapasztalatra van szükség. Az orvosok és ápolók ehhez a jövőben algoritmusoktól kaphatnak segítséget.

Az esetek 90 százalékában meg tudták előre jósolni a keringési rendellenességek jelentkezését

Gunnar Rätsch és Karsten Borgwardt, az ETH kutatói és munkatársai a gépi tanulás módszereit és a berni kórház átfogó adatgyűjteményét alkalmazva fejlesztették ki a kritikusnak számító keringési elégtelenségeket idejében figyelmeztető jelzéseket. A tudósok eredményeikről a Nature Medicine című szaklapban számoltak be.

Az egyetemi klinika 2005 óta gyűjti a páciensek beleegyezésével az állapotukat érintő részletes – anonim – adatokat. Ez a 36 ezer kórházi tartózkodásra vonatkozó információhalmaz képezte a fejlesztés alapját.

A kifejlesztett algoritmusok és modellek az adathalmaz alapján az esetek 90 százalékában meg tudták jósolni előre a keringési rendellenességek jelentkezését – mondta el Rätsch. Az esetek 82 százalékában ez legalább két órával a tünetek megjelenése előtt történt, ami időt spórol a személyzetnek az ellenintézkedések megtételére.

Ehhez a ténylegesen rendelkezésre álló orvosi információknak csupán töredéke is elegendő volt. Már 20 mérési érték is elég volt, többek között a vérnyomás, pulzus, különböző vérértékek, a kor, a kapott gyógyszerek – fejtette ki Borgwardt.

A cél a hibás riasztások csökkentése

A kutatómunka célja többek között az intenzív osztályokon a hibás riasztások csökkentése, a személyzet időbeli riasztása a veszélyes komplikációk esetén.

Az algoritmus tényleges alkalmazásához további fejlesztésekre van még szükség. Az első prototípust klinikai tanulmányok során fogják tesztelni.