JAKARTA dlbrw.com – Tim peneliti telah mengembangkan sistem kamera wearable dan dengan bantuan kecerdasan buatan dapat mendeteksi kemungkinan kesalahan dalam pemberian obat kepada pasien.
Dalam percobaan yang hasilnya dipublikasikan pada 22 Oktober di npj Digital Medicine, sistem video yang sangat canggih mengidentifikasi dan menentukan obat mana yang diminum di lingkungan klinis yang sibuk. AI mencapai sensitivitas 99,6 persen dan spesifisitas 98,8 persen dalam mendeteksi kesalahan pertukaran vial.
Sistem ini dapat menjadi perlindungan yang penting, terutama di ruang operasi, unit perawatan intensif dan pengaturan pengobatan darurat, kata penulis utama Dr. Kelly Michaelsen, asisten profesor anestesiologi dan pengobatan nyeri di Washington University School of Medicine.
“Ide untuk bisa membantu pasien secara langsung atau mencegah kesalahan pengobatan sebelum terjadi sangatlah besar,” ujarnya, seperti dilansir Medical Xpress, Selasa (22/10).
Michaelsen menambahkan, “Kami dapat mengharapkan kinerja 100 persen, namun manusia pun tidak dapat mencapainya. Dalam survei terhadap lebih dari 100 penyedia anestesi, mayoritas menginginkan sistem yang lebih dari 95 persen akurat, dan itulah tujuan yang kami tetapkan. itu. Dicapai.”
Kesalahan pengobatan merupakan kejadian penting yang sering dilaporkan dalam anestesi, dan merupakan penyebab umum kesalahan medis serius dalam perawatan kritis. Secara keseluruhan, diperkirakan 5-10 persen dari semua obat yang digunakan berhubungan dengan kesalahan.
Efek samping obat yang merugikan diperkirakan mempengaruhi 1,2 juta pasien setiap tahunnya dan menimbulkan kerugian sebesar $5,1 miliar.
Kesalahan penyuntikan dan penggantian vial sering terjadi selama penyuntikan intravena, ketika dokter harus memindahkan obat dari vial ke jarum suntik pasien. Sekitar 20 persen kesalahan adalah kesalahan substitusi, yaitu pemilihan botol yang salah atau penandaan jarum yang salah. 20 persen kesalahan lainnya terjadi ketika obat diresepkan dengan benar namun diberikan secara tidak tepat.
Langkah-langkah keamanan, seperti sistem barcode yang membaca dan memverifikasi isi botol dengan cepat, diterapkan untuk mencegah kecelakaan tersebut. Namun, manajer terkadang lupa melakukan tinjauan ini dalam situasi stres karena ini merupakan langkah lain dalam alur kerja mereka.
Tujuan para peneliti adalah untuk membangun model pembelajaran mendalam yang, jika dikombinasikan dengan kamera GoPro, cukup canggih untuk mengenali isi botol dan lembaran jarum suntik, serta memberikan peringatan yang tepat sebelum obat masuk ke pasien.
Pengajaran model ini memakan waktu berbulan-bulan. Para peneliti mengumpulkan video 4K dari 418 pemberian obat oleh 13 penyedia anestesi di ruang operasi dengan pengaturan pencahayaan berbeda.
Video tersebut merekam para dokter memberikan vial dan jarum suntik berisi obat-obatan tertentu. Video-video ini kemudian direkam dan isi jarum suntik serta botol diberi label untuk melatih model mengenali isi dan wadahnya.
Sistem video tidak secara langsung membaca kata-kata pada setiap vial, namun memeriksa isyarat visual lainnya, seperti ukuran dan bentuk vial, serta jarum suntik, warna tutup vial, dan ukuran cetakan dari vial. label. . .
“Itu sangat menantang, karena orang-orang di ruang operasi memegang selang dan jarum, dan Anda tidak dapat melihatnya sama sekali karena ditutupi oleh tangan yang bergerak cepat, mereka melakukan tugasnya. Sebuah kamera,” kata Shiam Golkota, salah satu penulis makalah dan profesor di Paul’s School of Computer Science and Computer Engineering G. Allen, UW.
Selain itu, model komputasi harus dilatih untuk fokus pada obat di bagian depan bingkai dan mengabaikan botol dan jarum di belakang.
“AI melakukan semua ini, mengidentifikasi suntikan tertentu yang diambil oleh penyedia layanan kesehatan,” kata Golkota.
Menurut Michaelsen, penelitian ini menunjukkan bahwa AI dan pembelajaran mendalam berpotensi meningkatkan keselamatan dan efisiensi di sejumlah praktik layanan kesehatan. Para peneliti mulai menggali potensi ini.
Peneliti dari Universitas Carnegie Mellon dan Universitas Makerere di Uganda juga berpartisipasi dalam penelitian ini. Toyota Research Institute membangun dan menguji sistem tersebut.
+ There are no comments
Add yours