: עידן חדש במניעת מצבים נרכשים, אלגוריתמים מבוססי Nurse.A I למידת מכונה מחברים: המרכז האקדמי לב - ד”ר סיגל שפרן תקוה ביג דאטה, תמנ”ע - משרד הבריאותאלי מלול, מנהל פרוייקטים, רקע: מיליון מטופלים בארצות הברית 2.5- פצעי לחץ הם תופעה שכיחה, מכאיבה ויקרה – אך ניתנת למניעה. מדי שנה, כ מקרי מוות בשנה), 60,000- מפתחים פצעי לחץ במהלך האשפוז. תופעה זו מובילה לתחלואה ניכרת, לעלייה בתמותה (כ מיליארד דולר. 26- ולהוצאות של יותר מ מביא עמו בשורה חדשה: Nurse.AI , שיעור הפצעים ממשיך לעלות. מיזם Norton למרות שימוש בסולמות קיימים כמו אלגוריתם חיזוי מבוסס בינה מלאכותית, שפותח במיוחד עבור אחיות ואחים – ומהווה את האלגוריתם הראשון בסל האלגוריתמים לחיזוי מצבים נרכשים באשפוז. מטרות/שאלת המחקר: כלי חיזוי, מבוסס נתונים, לחזיוי היווצרות פתע לחץ באשפוז שיטת המחקר: תיקים רפואיים במחלקות הפנימיות של המרכז הרפואי הדסה בשנים 40,000 המודל פותח על בסיס ניתוח של מעל . הוא משלב נתוני אומדן סיעודי, מדדים חיוניים, תוצאות מעבדה, תרופות, תנועות בין מחלקות ופרוצדורות 2018–2016 רפואיות ועוד – לצורך חיזוי מדויק של סיכון לפתח פצע לחץ כבר בעת הקבלה לאשפוז. ועוד), הצליח המודל להשיג ביצועים גבוהים XGBoost, Random Forest באמצעות שימוש באלגוריתמים מתקדמים ( תוצאות: בקבוצות 68% , רגישות של Norton בסולם 0.75 לעומת 0.84 של AUC האלגוריתם מציג ביצועים גבוהים במיוחד: סיכון לעומת הממוצע. שיפור ניכר בעקומות 3.4 – כלומר, פי 3.4 של LIFT , עם מדד 13% של עד PPV הסיכון הגבוהות, – חיוני במיוחד בניבוי תופעות נדירות Precision-Recall מסקנות והמלצות: הוא הוכחת היתכנות ראשונה ליצירת סל אלגוריתמים סיעודיים לחיזוי מצבים נרכשים – כמו נפילות, זיהומים Nurse.AI ועוד. הצלחתו ממחישה את העוצמה הטמונה בשילוב בין ידע אחיותי לבינה מלאכותית.
RkJQdWJsaXNoZXIy MjgzNzA=