Nieuw AI systeem om behoeften van post-Covid patiënten te ontdekken
- Georgia Graat
- 11 jan
- 2 minuten om te lezen
Bijgewerkt op: 1 feb
Onderzoekers uit de Verenigde Staten hebben een systeem ontwikkeld waarmee ze door het vergelijken van COVID patiënten in ziekenhuizen kunnen ontdekken hoe behandelingen tussen patiënten moeten verschillen voor betere uitkomsten.
Hoewel ziekenhuizen dezelfde protocollen kunnen hebben voor het behandelen van patiënten, zijn er nog altijd tig andere aspecten waardoor een behandeling kan verschillen. Denk hierbij aan beschikbare apparatuur, de keuzes van artsen en de kenmerken van de populatie. Dit betekent dat binnen deze universele protocollen gekeken moet worden naar de individuele persoon en wat een ziekenhuis hierin kan betekenen, ook wel gepersonaliseerde gezondheidszorg genoemd.
Binnen dit onderwerp is artificiële intelligentie (AI) in snelle opmars de afgelopen jaren. Er wordt gedacht dat AI kan helpen individuele kenmerken te herkennen waarmee gepersonaliseerde protocollen makkelijker op te stellen zijn. Onderzoekers van de Perelman School of Medicine aan de Universiteit van Pennsylvania hebben hier al een grote stap in gezet voor Covidpatiënten.
De gezondheidszorg behoeften van Covidpatiënten ná een infectie worden vooralsnog ingeschat, vaker op groepsniveau dan individueel niveau. De grootste uitdaging voor het produceren van individuele protocollen ligt bij het feit dat belangrijke patiëntuitkomsten gezien kunnen worden bij één ziekenhuis, maar niet vergeleken worden met andere ziekenhuizen. De onderzoekers hebben daarom in Cell Patterns gepubliceerd hoe zij met behulp van AI verschillende ziekenhuizen met post-Covid patiënten hebben vergeleken om deze uitdaging aan te pakken.
Er is gebruik gemaakt van een AI techniek genaamd transfer learning. Hierbij wordt een model getraind in een bepaalde taak, waarna deze kennis wordt hergebruikt om het model nog slimmer te maken bij een andere taak. Deze techniek is gebruikt om data van post-Covid patiënten van verschillende ziekenhuizen te vergelijken. Hieruit was het mogelijk individuele kenmerken van patiënten te groeperen, in dit geval in de groepen mentale gezondheidsproblemen, allergieën, niet-complexe chronische aandoeningen en chronische aandoeningen. Door deze groepen te specificeren, kon de AI nog verder gebruikt worden om voor deze groepen te kijken naar zorgbehoeften in en buiten het ziekenhuis. Deze specificaties kunnen omgezet worden naar verbeterde individuele protocollen voor post-Covid patiënten, waardoor het voor hoge risico groepen makkelijker wordt de gespecialiseerde zorg die zij nodig hebben te krijgen.
Daarnaast is het transfer learning systeem gebruikt om erachter te komen welke impact de groepen hadden op ziekenhuizen met betrekking tot geld en middelen. Dit geeft een op maat gemaakt overzicht voor elk ziekenhuis hoe waardevolle medische apparatuur het beste verdeeld kunnen worden binnen de afdelingen en over alle ziekenhuizen. De onderzoekers geven aan dit systeem ook voor meer voorkomende aandoeningen te willen gaan gebruiken in de toekomst, zoals voor diabetes of astma.
Afbeelding via Unsplash
Opmerkingen