Κοροναϊός: Τεχνητή νοημοσύνη «προβλέπει ποιοι θα χρειαστούν νοσηλεία σε ΜΕΘ»

Αμερικανοί ερευνητές υποστηρίζουν ότι ανέπτυξαν έναν αλγόριθμο μηχανικής μάθησης που προβλέπει ποιοι ασθενείς με πνευμονία Covid-19 θα χρειαστούν νοσηλεία σε ΜΕΘ
24 Νοεμβρίου 2020 | 17:17

Οι γιατροί που πασχίζουν να διαχειριστούν την καταιγίδα κρουσμάτων κοροναϊού ίσως θα έχουν στο μέλλον τη βοήθεια ενός από μηχανής θεού. Αμερικανοί ερευνητές αναφέρουν ότι ανέπτυξαν έναν αλγόριθμο μηχανικής μάθησης που προβλέπει ποιοι ασθενείς με πνευμονία Covid-19 θα χρειαστούν νοσηλεία σε ΜΕΘ.

Οι αλγόριθμοι μηχανικής μάθησης είναι ένα είδος τεχνητής νοημοσύνης που μαθαίνει μέσα από παραδείγματα. Προηγούμενες μελέτες έχουν δείξει για παράδειγμα ότι τέτοια συστήματα υπερβαίνουν τις επιδόσεις των ακτινολόγων στην εξέταση απεικονιστικών δεδομένων για μια ποικιλία παθήσεων.

Συνδυασμός δεδομένων

 

Στη νέα μελέτη, η οποία δημοσιεύεται στην επιθεώρηση ακτινολογίας Medical Image Analysis, ερευνητές του Πολυτεχνικού Ινστιτούτου Ρενσιλίαρ της Νέας Υόρκης αναφέρουν ότι η μέθοδός τους συνδυάζει αξονικές τομογραφίες (από τις οποίες υπολογίζεται η έκταση της βλάβης στους πνεύμονες) με μη απεικονιστικά δεδομένα όπως τα αποτελέσματα εργαστηριακών εξετάσεων, τα ζωτικά σημεία και τα δημογραφικά δεδομένα των ασθενών.

Οι επιδόσεις της τεχνητής νοημοσύνης εξετάστηκαν σε 295 περιπτώσεις ασθενών που νοσηλεύτηκαν με Covid-19 σε τρία νοσοκομεία –ένα στις ΗΠΑ, ένα στο Ιράν και ένα τρίτο στην Ιταλία.

Οι προβλέψεις του αλγόριθμου σχετικά με το ποιοι ασθενείς θα χρειάζονταν νοσηλεία σε ΜΕΘ συγκρίθηκαν με την πραγματική έκβαση των περιστατικών. Και όπως διαπιστώθηκε, το σύστημα προέβλεψε με επιτυχία ποια κρούσματα θα χρειάζονταν νοσηλεία στην εντατική.

Καρδιαγγειακός κίνδυνος

 

Όπως δήλωσε ο επικεφαλής της μελέτης δρ Γιάν Πίνγκουν, επίκουρος καθηγητής Βιοϊατρικής Μηχανικής, επόμενο βήμα της ερευνητικής προσπάθειας θα είναι ο συνδυασμός του νέου αλγορίθμου με ένα σύστημα τεχνητής νοημοσύνης που είχε αναπτυχθεί παλαιότερα από την ίδια ομάδα για την αξιολόγηση του καρδιαγγειακού κινδύνου σε αξονικές τομογραφίες.

«Γνωρίζουμε ότι ένας βασικός παράγοντας στη θνησιμότητα της Covid-19 είναι το εάν ο ασθενής πάσχει από υποκείμενα νοσήματα όπως η καρδιοπάθεια, η οποία είναι σημαντική συννοσηρότητα» λέει ο δρ Γιάν.

«Το κατά πόσο αυτό επηρεάζει την εξέλιξη της Covid-19 είναι σήμερα μάλλον υποκειμενική εκτίμηση. Πρέπει επομένως να ποσοτικοποιήσουμε τις επιπτώσεις των καρδιακών παθήσεων και στη συνέχεια να προσδιορίσουμε πώς τις συνυπολογίζουμε στις προβλέψεις» εξηγεί.

Δοκιμές στην πράξη

 

Εφόσον τελειοποιηθεί, ο αλγόριθμος σχεδιάζεται να χρησιμοποιηθεί στην πράξη από το διάσημο Γενικό Νοσοκομείο της Μασαχουσέτης για την αξιολόγηση των περιστατικών Covid-19.

Στο μέλλον, λέει ο δρ Γιάνγκ, η ίδια προσέγγιση θα μπορούσε να εφαρμοστεί και σε άλλες παθήσεις του αναπνευστικού συστήματος προκειμένου να υπολογίζεται ο κίνδυνος επιπλοκών ή θανάτου.

Η μελέτη πραγματοποιήθηκε με κονδύλι από τα αμερικανικά Εθνικά Ινστιτούτα Υγείας, στο πλαίσιο της έκτακτης χρηματοδότησης για την ανάπτυξη ιατρικών εργαλείων κατά του πανδημικού κοροναϊού.

Πρόσφατα Άρθρα
Πώς προετοιμάζουμε το παιδί για το γιατρό; 19 Ιουνίου 2026, 08:00
Οικογένεια: Πώς να ζείτε χωρίς ακαταστασία όταν έχετε παιδιά 10 Ιουνίου 2026, 08:00
Ύπνος νεογέννητου: Tips & tricks για να κοιμάται περισσότερο και πιο ήρεμα 29 Μαΐου 2026, 19:00
Πώς να κάνετε μπάνιο το νεογέννητο χωρίς άγχος 26 Μαΐου 2026, 08:00
Ασφάλεια στο σπίτι με μικρά παιδιά: 6 πρακτικές συμβουλές 25 Μαΐου 2026, 19:00
Σαλικυλικό οξύ & Ακμή: Το μυστικό για καθαρή επιδερμίδα 25 Μαΐου 2026, 12:30
Τι χρειάζεται πραγματικά το μωρό τον πρώτο χρόνο; 25 Μαΐου 2026, 08:00
Eco-friendly οικογένεια: Διδάξτε στα παιδιά να προστατεύουν το περιβάλλον 25 Μαΐου 2026, 08:00
Πόνος στη μέση: Πρακτικά tips για αγκαλιές χωρίς ενοχλήσεις 21 Μαΐου 2026, 14:00
Τι πραγματικά χρειάζεσαι στη βαλίτσα του μαιευτηρίου 21 Μαΐου 2026, 08:00
Όταν η ημικρανία συναντά τη γονεϊκότητα: Tips που σώζουν την κατάσταση 18 Μαΐου 2026, 08:00
Ασφάλεια και παιδί: Οι 9 βασικοί κανόνες 16 Μαΐου 2026, 08:00
imommy.gr © 2026 - All Rights Reserved
Exit mobile version