يزيد نموذج تقييم مخاطر الذكاء الاصطناعي الجديد، الذي نُشر اليوم في BMJ Open، من دقة التنبؤ إلى أكثر من 74% – بزيادة تزيد عن 20% مقارنة بالطرق الحالية.
الممارسات والإرشادات الشائعة للوقاية من قرح الضغط تستغرق وقتًا طويلاً وتشكل عبئًا على طاقم التمريض في الخطوط الأمامية. الأداة القياسية في الصناعة للتنبؤ بخطر قرح الفراش، مقياس برادن الورقي، لم تتغير منذ إنشائها في الثمانينيات، ولديها معدل دقة يبلغ 54%، كما لاحظ الباحثون.
يوفر خوارزمية التنبؤ التي طورها الفريق تحسينًا في الكفاءة وتوفيرًا كبيرًا في التكاليف. نظرًا لأن تقييم المخاطر يمكن أن يستغرق ما بين خمس دقائق و15 دقيقة لكل مريض، فقد يعني ذلك ما يصل إلى 250 ساعة عمل إضافية يوميًا في منشأة واحدة تضم 500 سرير، وما بين 30 ألفًا و90 ألف ساعة عمل سنويًا.
باستخدام أساليب التعلم الآلي، قام الباحثون بفحص السجلات الصحية الإلكترونية لأكثر من 35 ألف إدخال إلى المستشفى على مدى خمس سنوات في مستشفيين جامعيين لتحليل التغيرات في خطر قرح الفراش بمرور الوقت. لقد قاموا بتحليل متغيرات مثل رموز تشخيص القبول، والأدوية الموصوفة، وطلبات المختبر، وعوامل أخرى مرتبطة ارتباطًا وثيقًا بعوامل خطر قرح الفراش.
أجرى الباحثون تحليلات باستخدام تقنيات التعلم الآلي، مثل الغابات العشوائية والشبكات العصبية، لتحديد الأوزان المحددة لهذه المتغيرات للتغيرات وخطر الإصابة بقرحة الفراش بشكل أكبر، وأنشأوا النموذج النهائي. كما حددوا قائمة بالأدوية الموصوفة – حاصرات بيتا، والإلكتروليتات، وبدائل الفوسفات، وبدائل الزنك، وعوامل تحفيز إريثروبويتين، وثيازيدات/مدرات البول، ومضادات الأوعية – التي تغير خطر الإصابة بقرح الضغط لدى المرضى.
https://bmjopen.bmj.com/content/14/4/e082540
