الگوریتمی ‌که بیماران نزدیک به مرگ را شناسایی می‌کند

Algorithm (1)

محققان آمریکایی موفق به ایجاد الگوریتمی شده‌اند که می‌تواند بیمارانی را که وضع آن‌ها وخیم‌تر از حد انتظار است، شناسایی کنند.

سپسِس (Sepsis) یکی از بزرگ‌ترین عفونت‌های بیمارستانی است که شاید هرگز نام آن را نشنیده باشید. وقتی که بدن بیش از حد به یک عفونت واکنش نشان‌ می‌دهد، خطر آسیب دیدن بافت‌ها و نارسایی عملکرد دیگر ارگان‌ها وجود دارد. این عامل، علت یک‌سوم تا یک‌دوم مرگ‌ومیرها در بیمارستان‌های ایالات متحده است.

از آنجایی که علائم سپسس مواردی چون تب و اشکالات تنفسی هستند؛ شبیه دیگر بیماری‌ها به نظر‌ می‌آید و تشخیص آن به‌خصوص در مراحل اولیه بسیار سخت است. Banner Health یک سیستم بیمارستانی در فینیکسِ آریزونا است و اعضای یک تیم پژوهشی در این موسسه تصمیم گرفتند با استفاده از علوم کامپیوتر، راه حلی برای این مشکل پیدا کنند. آن‌ها توانستند روی الگوریتمی ‌کار کنند که وضعیت سلامتی بیمار را به‌صورت مداوم در مانیتور نشان‌ می‌داد و چنانچه بیمار به خطر مرگ نزدیک‌ می‌شد، این سیستم هشدار‌ می‌داد.

اما در نهایت این الگوریتم جواب نداد؛ حداقل نه به آن شکلی که محققان Banner امیدوار بودند.

پنج سال بعد از این‌که Banner از این سیستم هشداردهنده استفاده کرد، معلوم شد در روش تشخیص سپسس خیلی خوب عمل نکرده است؛ اما تیم همراه که به سرپرستی دکتر هارگوبیند کورانا (Hargobind Khurana) فعالیت‌ می‌کرد، متوجه یک اثر غیرمنتظره شد؛ این سیستم در شناسایی بیمارانی که مریضی آن‌ها بیش از حد متوسط عود کرده بود، عملکرد موفقی نشان می‌داد. ضمن این‌که بعضی از این بیماران به سپسس هم مبتلا نبودند. اگر چه سیستم هشدار در هدف اصلی خود شکست خورد، اما توانست در زمینه‌ی دیگری قدرتمندتر ظاهر شود تا پزشکان بتوانند با استفاده از آن آسیب‌پذیرترین بیماران خود را شناسایی کنند.

الگوریتم‌ها تقریبا در هر بخشی از زندگی ما نفوذ کرده‌اند. هر چند که ورود آن‌ها بی سروصدا است اما توانسته‌اند به شکل ماهرانه‌ای خود را در هشداردهنده‌ی تقویم، تبلیغات فیس‌بوک، پیش‌بینی‌های گوگل و موارد حیاتی دیگر جای دهند. یکی از مهم‌ترین نقش‌های الگوریتم در زمینه‌ی نرم‌افزارهای ثبت پزشکی که در بیمارستان‌ها از آن استفاده‌ می‌شود، ردیابی و کنترل وضعیت مریضی و سلامتی بیماران است. هشدارهای مبنی بر الگوریتم، به این منظور طراحی شده‌اند تا اطلاعات مخفی را از بین انبوهی از داده‌ها پیدا کنند. برای مثال آن‌ها اعلام‌ می‌کنند که در چه زمانی باید داروی بیمار دوباره داده شود یا ضربان قلب بیمار از حالت عادی بالاتر رفته است.

در بهترین حالت، می‌توان گفت این هشداردهنده‌ها، پزشکان و پرستاران را درگیر بیمارانی می‌کردند که شرایط آن‌ها به هیچ عنوان حاد نبود. از این رو در بسیاری از موارد، این دستگاه‌ها با بوق زدن و فلش زدن‌های بیش از حد و بدون دلیل، سودمندی و ضرورت خود را زیر سؤال‌ می‌برند.

تجربه‌ی اخیر Banner Health برخی از چالش‌های اساسی در ادغام مراقبت‌های پزشکی با اتوماسیون دیجیتال قرن بیست و یکم را نشان‌ می‌دهد. باوجود این‌که دولت آمریکا میلیاردها دلار خرج دیجیتالی شدن تجهیزات پزشکی کرده است، باز هم این دستگاه‌ها ایراداتی از خود نشان‌ می‌دهند.

کورانا‌ می‌گوید:

ساخت یک هشداردهنده‌ی خوب کار سختی است. از طرفی سخت است که فلش انتظارات ما به سمت پزشکان و پرستاران باشد. در واقع ما‌ می‌خواهیم درحالی‌که فشار کاری زیادی به کادر درمانی تحمیل می‌شود، از بیماران نیز مراقبت کافی به عمل آید. باید بدانیم چطور‌ می‌توان بین این دو واقعیت تعادل برقرار کرد؟ در واقع باید مشخص کنیم به چه هشداردهنده‌هایی نیاز داریم؟ همه‌ی افراد فعال در حوزه‌ی سلامت باید برای کشف این پاسخ تلاش کنند.

بیماران نزدیک به مرگ

موسسه‌ی Banner Health از سال ۲۰۰۹ شروع به ساخت دستگاه هشداردهنده کرد و دو سال بعد دکتر کورانا نیز به این تیم کاری ملحق شد. در ابتدا، تیم موارد مشترک بین سپسس و اختلال عملکرد ارگان‌ها را مد نظر قرار داد و علائمی‌ مثل افزایش نرخ تنفس و ضربان قلب، درجه حرارت بالا و پایین بدن و عدم تعادل سطح شیمیایی خون را در نظر گرفت. سپس با استفاده از این معیارها، به طراحی هشداردهنده‌ای پرداخت که اطلاعات پزشکی را به‌صورت الکترونیکی از طریق سنسورها و دیگر منابع به شکل پیوسته ثبت کند. این هشداردهنده زمانی اعلام‌خطر‌ می‌کرد که حداقل ۲ مورد از ۴ علامت سپسس در بیمار نمایان شوند یا حداقل ۱ مورد از ۱۴ علامت اختلال عملکرد ارگان، خود را نشان دهد.

کورانا در توضیحات خود افزود که نرم‌افزار این سیستم هم مانند دیگر برنامه‌ها، مجهز به هشداردهنده‌های داخلی است. (هرچند که در آن زمان از هشداردهنده‌ی سپسس خبری نبود). از آوریل ۲۰۱۱ تا ژوئن ۲۰۱۳، الگوریتم سپسس در مورد ۳۱۲ هزار بیمار در بخش‌های بستری و مراقبت‌های ویژه، در ۲۴ بیمارستان Banner Health مورداستفاده قرار گرفته است.

کورانا در این مورد‌ می‌گوید که این راهکار برای هیچ‌کس هیجان‌انگیز نبود. خیلی از بیمارانی که دستگاه هشدار، سپسس را در آن‌ها تشخیص داده بود، فاقد این بیماری بودند. ضمن این‌که کادر درمانی موظف بودند با هر بار شنیدن صدای هشدار بررسی‌های لازم را انجام دهند. هرچند که این بررسی‌ها فقط چند دقیقه طول‌ می‌کشید، اما بسیاری از این زنگهای هشدار کاذب بودند و همین امر عملکرد آن‌ها را از نظر کارکنان زیر سؤال برد.

دکتر نیدی نیکانج (Nidhi Nikhanj) یکی از همکاران ساخت سیستم هشداردهنده‌ می‌گوید:

قطعا کارایی دستگاه مورد شک و تردید قرار گرفته بود؛ به‌ویژه برای نیروهای بیمارستان که مجبور بودند به این هشدارها رسیدگی کنند و حجم کاری آن‌ها اضافه شده بود.

در این وضعیت زنگ هشدار جدیدی شنیده شد؛ زنگ هشدار خستگی! بنا به گزارشی که در سال ۲۰۱۳ دریافت شد؛ زنگ هشدار این دستگاه برای هر بیمار روزانه چند صدبار به صدا درمی‌آمد و درمجموع ده‌ها هزار بار صدای زنگ هشدار در هر روز شنیده‌ می‌شد. ضمن این‌که ۸۵ تا ۹۹ درصد این هشدارها هم واقعی نبودند و نیاز به مداخله‌ی پزشکان نبود؛ بنابراین، کارکنان خسته به این سمت کشیده شدند که دیگر به صدای زنگ هشدار اهمیتی ندهند.

بیماران نزدیک به مرگ

در ماه‌ می سال جاری ( پنج سال بعد از آزمایش مذکور)؛ تیم دکتر کورانا با پردازش داده‌ها، نتایجی را در American Journal of Medicine منتشر کردند. در واقع شکایت همکاران آن‌ها در خصوص این سیستم تا حدی درست بود. صدای هشدار در خیلی از موارد ارتباطی به سپسس نداشت. به بیانی دقیق‌تر، این هشدارها تنها در مورد یک‌چهارم بیماران درست گزارش شد.

ضمن این‌که، مشخص شد بیمارانی که صدای هشدار برای وضعیت آن‌ها شنیده‌ می‌شد، به‌طور کلی بیمارتر از حد متوسط بودند. این همبستگی داده‌ها خیلی عجیب نبود؛ خصوصا این که در بعضی از موارد با سپسس و دیگر امراض شناخته‌شده هم‌پوشانی داشت.

اما دکتر کورانا در تعجب بود که سطح بیماری این افراد چطور توسط دستگاه اندازه‌گیری شده است. این الگوریتم اقلیت کوچکی از بیماران – حدود یک‌پنجم – را شناسایی کرده بود که نزدیک به ۹۰ درصد آن‌ها فوت کردند. در مقابل، بیمارانی بودند که صدای زنگ هشدار آن‌ها به صدا درنیامده بود و احتمال مرگ آن‌ها تا روز بعد چهار برابر بیشتر بود. ضمن این‌که این بیماران از بیماری‌های مزمن مانند بیماری‌های کلیه و انسداد ریه رنج‌ می‌بردند.

کورانا در ادامه گفت که اوایل سال ۲۰۱۴، پزشکان موسسه‌ی Banner Health به درک جدیدی از این الگوریتم رسیدند. در واقع این الگوریتم شامل چنین پرسشی بود: «آیا بیمار مبتلا به سپسس است؟ اگر مبتلا نیست، به کارت ادامه بده!»

دستگاه هشداردهنده به پزشکان این طور القا کرد که پرسش خود را این‌گونه مطرح کنند: «آیا وضع بیمار از آنچه من انتظار دارم وخیم‌تر است؟ آیا‌ می‌توانم در مراقبت از بیمار اقدامات متفاوتی انجام دهم؟» بنا به گفته‌ی کورانا این اقدامات‌ می‌تواند شامل مواردی چون انتقال بیمار به بخش مراقبت‌های ویژه، چک کردن وضعیت وی به‌صورت مکرر و ارزیابی دوباره‌ی تشخیص و درمان وی باشد.

پس از مشاهده‌ی این نتایج، کارکنان بیمارستان تمایل بیشتری به قبول کردن این الگوریتم از خود نشان دادند.

درحالی‌که تیم کاری کورانا سعی در ساخت یک هشداردهنده‌ی تشخیص سپسس دارند، تمرکز اصلی خود را بر بررسی دوباره‌ی الگوریتم اصلی گذاشته‌اند تا بهتر بتواند بیماران بدحال‌تر از حد متوسط را تشخیص دهد.

منبع : BUZZFEED

مطالب مرتبط

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *