Procena koliko je osoba ozbiljno povređena podrazumeva brzo merenje mnogo različitih parametara. Ako bi zdravstveni radnici mogli da dobiju podršku u donošenju brzih, životno kritičnih odluka od AI alata, moglo bi se spasiti više života. Ovo je pokazalo istraživanje sa Tehnološkog univerziteta Chalmers u Švedskoj, zajedno sa Univerzitetom u Geteborgu i Univerzitetom u Borasu.
„Ako se teško povređeni ljudi prevezu direktno u univerzitetsku bolnicu, šanse za preživljavanje se povećavaju, jer postoje resursi za zbrinjavanje svih vrsta povreda. Zato moramo bolje da kažemo ko je teško povređen, a ko ne, tako da svi dobiju pravu negu i da se resursi koriste na najbolji način“, kaže Ana Bakidu, doktorant u istraživačkoj grupi Care@Distance—Remote and Prehospital Digital Health na Odeljenju za elektrotehniku na Tehnološkom univerzitetu Chalmers.
U studiji objavljenoj u BMC Medical Informatics and Decision Making, Ana Bakidou i njeni koautori razvili su pet različitih matematičkih modela zasnovanih na podacima odraslih koji su došli u kontakt sa hitnom pomoći između 2013. i 2020. godine.
Ovi podaci su iz preko 47.000 stvarnih događaja, preuzetih iz švedskog registra trauma, koji je takođe pokazao gde su ljudi prevezeni. Odmeravanjem niza složenih varijabli, kao što su respiratorna brzina, tip povrede, krvni pritisak, starost i pol, pokazalo se da svi modeli veštačke inteligencije mogu da rade bolje od kliničkog ishoda – što su bile odluke o transportu koje je donelo osoblje hitne pomoći u vreme incidenta.
Ispostavilo se da 40 odsto teško povređenih pacijenata nije direktno poslato u univerzitetsku bolnicu. Istovremeno, 45 odsto lakše povređenih je nepotrebno poslato u univerzitetske bolnice, jer su njihove povrede mogle da se zbrinu u redovnoj bolnici.
„Osoblje Hitne pomoći se stalno suočava sa teškim i brzim odlukama. Nadamo se da će objektivniji sistem za podršku odlučivanju moći da funkcioniše kao ‘dodatni kolega’ koji će naterati osoblje da vidi složenije veze i razmisli dvaput u slučajevima kada povrede mogu biti teške. da opažaju ili procenjuju“, kaže Ana Bakidu.
Kao primer, ona pominje da se mlađi ljudi — koji često učestvuju u saobraćajnim nesrećama — često procenjuju da su teže povređeni nego što jesu. S druge strane; stariji ljudi, koji su uključeni u događaje kao što su nesreće pri padu, često se procenjuju kao lakše povređeni — uprkos činjenici da njihovo stanje može iznenada postati opasno po život, zbog posledica kao što je unutrašnje krvarenje.
Iako matematički modeli pokazuju da bi mnogi ljudski životi potencijalno mogli biti spašeni, još je dug put pre nego što osoblje hitne pomoći može da koristi tehnologiju. Ključni korak je pronalaženje metoda za brzo i jednostavno unošenje svih informacija u alatku za veštačku inteligenciju i da bi usluga bila u stanju da komunicira sa korisnicima na dobar način.
„Na primer, možete li da razgovarate sa alatkom da biste imali obe ruke slobodne? Kako se postojeće rutine i protokoli mogu koristiti za rad zajedno sa veštačkom inteligencijom i kako se saveti osoblju mogu ažurirati kada se dodaju novi podaci? Mi Moramo da testiramo i uzmemo ove stvari u obzir kada nastavimo sa još studija i prototipova“, kaže Anna Bakidou.
Pre nego što usluge veštačke inteligencije postanu deo svakodnevnog života osoblja hitne pomoći, neophodna su i velika klinička ispitivanja tokom vremena.
„Propisi podrazumevaju da je za to potrebno vreme, a postoji i strah od veštačke inteligencije. Može doći do ozbiljnih posledica ako stvari krenu naopako. Sve što se uvodi u zdravstvo mora biti validirano. Istovremeno, znamo da neki od metode koje se danas koriste nisu uvek najbolje“, kaže koautor Stefan Candefjord, vanredni profesor na Odseku za elektrotehniku u Chalmersu.
„Kada je u pitanju hitna pomoć, nema mnogo istraživanja o veštačkoj inteligenciji i nadamo se da će naši matematički modeli moći da doprinesu uz podršku koja je prilagođena radnom okruženju i koja dugoročno pruža ravnopravniju negu.“
