qct
社團法人台灣電子設備協會
 

Prescience機器學習系統 可助麻醉師及時防範手術併發症

Prescience機器學習系統可結合病患的術前及術中資料,判斷併發症發生機率。法新社

華盛頓大學(University of Washington)研發的Prescience機器學習系統,能夠結合病人的術前與手術即時資料,協助麻醉師更準確預測低血氧(hypoxemia)發生的機率,並透過充分的資訊,讓麻醉師更了解判斷的依據。

根據Medgadget報導指出,麻醉師需在手術中監控病人生命徵狀,並適時適量施予麻醉藥,然而要預測手術併發症的發生仍相當困難。其中一個棘手的狀況便是低血氧。儘管麻醉師能在手術中即時監控血氧濃度,但目前仍沒有一個可預測低血氧發生的可靠依據。

為了解決這個問題,華盛頓大學團隊發展出的Prescience機器學習系統,除了可在手術前透過病患年齡、體重等資料評估低血氧發生的機率,在手術期間,也能根據病人的生命徵狀預測病人出現低血氧的可能性。

此外,Prescience與其他機器學習系統不同的地方在於,它不只是丟出一個預測結果,而是能為其預測提供解釋。麻醉師可藉此更了解病患為何處於風險之中,並在併發症出現前及時防範。

Prescience從華盛頓大學醫療中心與港景醫療中心(Harborview Medical Center)提供的5萬筆手術資料發現,病患BMI是手術前預測低氧血發生機率的重要指標,而手術期間最重要的評估指標,則是即時血氧資料。

在Prescience的協助下,麻醉師在手術前預測低血氧發生機率的準確度提升了16%,手術期間的預測準確度則提升了12%。此外,麻醉師也更能分辨是術前還是術中條件導致了低血氧的發生。

研究團隊預估Prescience每年將可在美國地區避免240萬件低血氧事故發生。目前Prescience還無法在手術室中使用。研究團隊表示未來將會持續改善Prescience系統介面,並開發能預測其他危險狀況的類似系統。

  •     按讚加入DIGITIMES智慧醫療粉絲團
更多關鍵字報導: 華盛頓大學 機器學習