연구에 따르면 새로운 AI 테스트는 의사가 심장 마비를 더 빨리 식별하는 데 도움이 될 수 있습니다.

컴퓨터 프로그램을 만든 연구원들은 혼잡한 A&E 부서에 불필요한 입원을 줄이고 오늘날 일부 여성들이 생명을 구하는 치료를 받지 못하게 하는 임상적 편견을 종식시킬 것이라고 낙관하고 있습니다.

가슴 통증이 있는 10,286명의 개인에 대한 예비 조사에서 CoDE-ACS라는 증상 장치가 현재 테스트 기술로 두 번 그러나 많은 환자에서 호흡 부전을 방지할 수 있는 옵션을 99.6%의 정확도로 추적했습니다.

Wellcome Jump의 도움을 받아 장치가 꽉 찬 위기 부서의 긴장을 완화하는지 여부를 조사하기 위해 현재 스코틀랜드에서 임상 예비가 진행 중입니다.

탐사를 주도한 Edinburgh College for Cardiovascular Science의 심장학 교사인 Nicholas Plants는 다음과 같이 말했습니다.

"안타깝게도 많은 질환이 이러한 일반적인 증상을 유발하며 진단이 항상 간단한 것은 아닙니다.

"임상 결정을 지원하기 위해 데이터와 인공 지능을 활용하면 바쁜 응급실에서 환자 치료와 효율성을 향상시킬 수 있는 엄청난 잠재력이 있습니다."

관상 동맥 부전 진단을 위한 현재 진행 중인 최상의 품질 수준은 혈액 내 트로포닌 단백질 수치를 추정하는 것입니다.

어쨌든 레벨이 연령, 방향 및 기타 의학적 문제의 영향을 받는다는 사실에도 불구하고 각각의 조용함에 대해 유사한 에지가 활용됩니다.

어쨌든 작업에 자금을 지원한 The English Heart Establishment에 따르면 새로운 계산으로 인해 이를 미연에 방지할 수 있습니다.

CoDE-ACS는 일기 Nature Medication에 배포된 검사에 따라 환자의 특성에 관계없이 훌륭하게 기능했습니다.

스코틀랜드에 있는 10,000명 이상의 환자로부터 얻은 정보에 비추어 인간이 만든 의식으로 만들어졌습니다.

연령, 방향, 심전도 검사 결과, 임상 병력 및 트로포닌 수치를 포함한 데이터를 활용하여 누군가 호흡 부전이 있을 가능성을 예측합니다.

English Heart Establishment의 임상 감독자인 Nilesh Samani 교사는 "CoDE-ACS는 현재 방법보다 더 정확하게 관상 동맥 부전을 관리하거나 예방할 수 있습니다.

"응급실에 변화를 가져올 수 있으며 진단에 필요한 시간을 단축하고 환자에게 훨씬 더 좋습니다."

셰필드 대학의 응급 의학 교수인 Steve Goodacre 교수는 이 연구가 "흥미롭다"고 말하면서 "AI가 진단을 개선하기 위해 단순한 규칙이 아닌 복잡한 분석을 사용할 수 있는 방법"을 보여주었다고 덧붙였습니다.

"이것은 [아직] 우리가 의사를 컴퓨터로 대체할 수 있다는 것을 보여주지 않습니다."라고 그는 덧붙였습니다. "경험이 풍부한 임상의는 진단이 복잡한 사업이라는 것을 알고 있습니다.

"실제로 AI 알고리즘이 정확한지 여부를 판단하는 데 사용된 '정답'은 임상의가 내린 판단이었습니다."