Medikaynak Search
Üye Ol Üye Giriş
Medikaynak Menü
Üye Olun / Giriş Yapın Medikaynak Icon
Artboard
Medikaynak Rxmediapharma

Hitachi, Ltd. Şti., Utah Sağlık Üniversitesi ve Regenstrief Enstitüsü, karmaşık tedaviye ihtiyaç duyan tip 2 diyabetli hastaların bakımını iyileştirmek için bir yapay zeka yönteminin geliştirildiğini duyurdu. Dünya çapında her 10 yetişkinden birine tip 2 diyabet teşhisi konmuştur ancak kan şekeri seviyesini daha seyrek kontrol etmek, görme kaybı ve böbrek hastalığı gibi ciddi komplikasyonlardan kaçınmak için birden fazla ilaca ihtiyaç duyulmaktadır.

Bu daha küçük hasta grubuna uygun, doktorların sınırlı klinik karar verme deneyimine veya ilaç kombinasyonlarını seçmek için kanıta dayalı rehberliğe sahip bir çözümdür. Çözüm, karar alma sürecine rehberlik edecek genel ilkelerin geliştirilmesini desteklemek için hasta sayısını genişletmektir. Bununla birlikte, birden fazla sağlık kurumundan gelen hasta verilerini birleştirmek, yapay zeka konusunda derin uzmanlık ve hassas ve karmaşık sağlık verilerini kullanarak makine öğrenme modelleri geliştirmede geniş kapsamlı deneyim gerektirmektedir.

Araştırmacıları, Utah ve Indiana'daki elektronik sağlık kaydı verilerini analiz eden ve benzer özelliklere sahip tip 2 diyabetlilerin genelleştirilebilir tedavi modellerini öğrenen yeni bir yapay zeka yöntemi geliştirmek ve test etmek için ortaklık kurdu. Bu modeller artık belirli bir hasta için optimal bir ilaç rejiminin belirlenmesine yardımcı olmak için kullanılabilmektedir.

Bu çalışmanın sonuçlarından bazıları tıp dergisi Journal of Biomedical Informatics’de "Tip 2 diyabet için farmakoterapötik sonuçların öngörülmesi: Birden fazla kaynaktan gelen elektronik sağlık kaydı verilerinden yararlanmaya yönelik üç yaklaşımın değerlendirilmesi " başlıklı makale ile yayınlanmıştır. Hitachi, diyabet tedavisi için bir farmakoterapi seçim sisteminin geliştirilmesi konusunda birkaç yıldır U of U Health ile birlikte çalışıyordu. Bununla birlikte, sistem her zaman daha karmaşık ve daha az yaygın tedavi modellerini doğru bir şekilde tahmin edemedi çünkü yeterli veriye sahip değildi. Ek olarak, hasta hastalık durumlarındaki farklılıkları ve tesisler ve bölgeler arasında reçete edilen terapötik ilaçları hesaba katmak gerektiğinden, birden fazla tesisten elde edilen verileri kullanmak kolay değildi. Bu zorlukların üstesinden gelmek için proje, birlikte çalıştığı verileri zenginleştirmek için Regenstrief ile ortaklık kurmuştur.

Yeni yapay zeka yöntemi başlangıçta benzer hastalık durumları olan hastaları gruplandırır ve daha sonra tedavi modellerini ve klinik sonuçlarını analiz etmektedir. Daha sonra ilgilendiğiniz hastayı hastalık durumu gruplarıyla eşleştirir ve çeşitli tedavi seçeneklerine bağlı olarak hasta için potansiyel sonuçların aralığını öngörmektedir.

Araştırıcılar, Utah ve Indiana'da diyabetli hastalara uygulanan ilaç rejimleri göz önüne alındığında, yöntemin başarılı sonuçları tahmininde ne kadar iyi çalıştığını değerlendirdirmiştir. Algoritma, iki veya daha fazla ilaç birlikte kullanıldığında bile hastaların yüzde 83'ünden fazlası için ilaç seçimini destekleyebilmektedir.

Gelecekte, araştırma ekibi, çeşitli ilaç kombinasyonlarının etkinliğini kontrol etmede karmaşık tedaviye ihtiyaç duyan diyabetli hastalara yardım etmeyi ve daha sonra doktorlarıyla birlikte kendileri için doğru olan bir tedavi planına karar vermeyi beklemektedir. Bu yol, daha iyi bir diyabet yönetimi için artan hasta katılımı, uyum ve yaşam kalite sağlayacaktır. Üç ortak yeni yapay zeka yönteminin etkinliğini değerlendirmeye ve iyileştirmeye devam edecek ve sağlık bilişimi alanında daha fazla araştırma yaparak gelecekteki hasta bakımına katkıda bulunacaktır.

Medikaynak Referanslar

Shinji Tarumi, Wataru Takeuchi, Rong Qi, Xia Ning, Laura Ruppert, Hideyuki Ban, Daniel H. Robertson, Titus K. Schleyer, Kensaku Kawamoto. Predicting pharmacotherapeutic outcomes for type 2 diabetes: An evaluation of three approaches to leveraging electronic health record data from multiple sources. Journal of Biomedical Informatics, 2022; 104001 DOI: 10.1016/j.jbi.2022.104001
 

+ Tüm Referansları Göster
  1. Benzer İçerikler