به گزارش «خبرنامه دانشجویان ایران» به نقل از بیزنس‌اینسایدر، برای نخستین بار یک گروه از محققان موسسه تحقیقات پزشکی فاینستاین ابزار بالینی پیش‌بینی یادگیری عمیق را برای شناسایی بیمارانی که لازم نیست در طول شب بیدار شوند تا علائم حیاتی آنها اندازه گیری شود، توسعه داده‌اند.
توسعه این ابزار به آنها اجازه می‌دهد تا بیماران بیشتر استراحت کرده و زودتر بهبودی خود را به دست آورند. نتایج این مطالعه براساس بررسی یافته‌های ۲۴.۳ میلیون اندازه‌گیری علائم حیاتی به دست آمده است.
اختلالات نظارت بر علائم حیاتی (VS) برای بیماران بستری در طی ساعات شبانه با نقص شناختی، فشار خون بالا، افزایش استرس و حتی مرگ و میر مرتبط است.
ابداع این تیم متخصص و جزئیات آن در «Nature Partner Journals Digital Medicine» منتشر شده است.
یک گروه از محققان به سرپرستی «تئودوروس زانوس» (Theodoros Zanos) و با همکاری نزدیک یک محقق دیگر به نام «جیمی هیرش» داده‌های چندین بیمارستان نیویورک را بین سال‌های ۲۰۱۲ و ۲۰۱۹ جمع آوری و تجزیه و تحلیل کردند. آنها موفق به بررسی ۲.۱۳ میلیون ویزیت بیمار شدند. آنها از این حجم وسیع از داده‌های بالینی ویزیت‌های بیماران( ضربان تنفس، ضربان قلب، فشار خون سیستولیک، دمای بدن، سن بیمار و غیره) برای توسعه الگوریتمی استفاده کردند که می‌تواند میزان ثبات حال بیمار را در طول شب پیش‌بینی کند تا اگر وضعیت آنها عادی است دیگر پرستاران در طول شب آنها را برای اندازه گیری علائم حیاتی بیدار نکنند و آنها بتوانند یک خواب بدون وقفه و راحتی داشته باشند.
حال محققان این مطالعه با در نظر گرفتن این مشکل موفق به ابزاری مبتنی بر هوش مصنوعی به نام «بگذارید بیماران بخوابند» (Let Sleeping Patients Lie) شده‌اند.
«تئودوروس زانوس» موسسه تحقیقات پزشکی فاینستاین گفت: «استراحت یک عنصر مهم برای مراقبت از بیمار است و به خوبی اثبات شده است که اختلال در خواب شکایتی شایع است که می‌تواند بهبودی را به تأخیر بیندازد؛ یافته‌های ما کمک می‌کند تا به کمک راه‌حل های مبتنی بر یادگیری ماشین هموار کردن خواب در بیمارستان محقق شود».
