AI Mengungkap Kebutuhan Perawatan COVID Jangka Panjang di Rumah Sakit

Para peneliti yang dipimpin oleh Penn Medicine telah menggunakan AI untuk mengungkap subpopulasi pasien yang berbeda di antara penderita COVID jangka panjang, yang membuka jalan bagi perawatan yang lebih personal dan efektif di rumah sakit.

Para peneliti yang dipimpin oleh Perelman School of Medicine di University of Pennsylvania telah mengungkap teknik perintis yang menggunakan kecerdasan buatan (AI) untuk mengoptimalkan perawatan bagi pasien COVID jangka panjang dengan menyesuaikan rencana perawatan dengan kebutuhan spesifik berbagai kelompok pasien. Diterbitkan dalam jurnal Cell Patterns, penelitian ini menandai langkah signifikan menuju perawatan kesehatan yang dipersonalisasi di lingkungan rumah sakit.

Dengan menggunakan teknik pembelajaran mesin yang dikenal sebagai "latent transfer learning," para peneliti menganalisis catatan kesehatan elektronik yang tidak teridentifikasi dari delapan rumah sakit anak di seluruh negeri. Metode ini mengungkap empat subpopulasi berbeda dari pasien COVID jangka panjang, masing-masing dengan persyaratan perawatan yang unik. Kelompok yang diidentifikasi meliputi:

  • Pasien dengan kondisi kesehatan mental, seperti kecemasan dan depresi
  • Mereka yang menderita kondisi kronis atopik/alergi seperti asma dan alergi
  • Individu dengan kondisi kronis non-kompleks, termasuk masalah penglihatan atau insomnia
  • Pasien dengan kondisi kronis yang kompleks, termasuk gangguan jantung atau neuromuskular

“Studi yang ada menggabungkan data dari beberapa rumah sakit namun gagal mempertimbangkan perbedaan populasi pasien, dan hal ini membatasi kemampuan untuk menerapkan temuan pada pengambilan keputusan lokal,” kata penulis senior Yong Chen, seorang profesor biostatistik di Perelman School of Medicine, dalam sebuah pernyataan. rilis berita“Pekerjaan kami menawarkan manfaat berupa pengetahuan yang lebih umum, dengan ketepatan penerapan khusus di rumah sakit.”

Dengan menentukan subpopulasi ini, sistem AI memungkinkan rumah sakit mengalokasikan sumber daya secara lebih efektif, yang berpotensi merevolusi perawatan. Penelitian menunjukkan bahwa mengenali variasi ini dapat mengarahkan rumah sakit untuk merencanakan tempat tidur ICU, ventilator, dan staf spesialis dengan lebih baik — yang penting dalam mengelola pandemi dan tuntutan perawatan kesehatan sehari-hari.

"Tanpa mengidentifikasi subpopulasi yang berbeda ini, dokter dan rumah sakit kemungkinan akan memberikan pendekatan yang sama untuk semua orang dalam perawatan dan pengobatan lanjutan," kata penulis utama Qiong Wu, mantan peneliti pascadoktoral di lab Chen dan sekarang menjadi asisten profesor biostatistik di Fakultas Kesehatan Masyarakat Universitas Pittsburgh, dalam rilis berita tersebut. "Meskipun pendekatan terpadu ini mungkin berhasil untuk beberapa pasien, pendekatan ini mungkin tidak cukup untuk subkelompok berisiko tinggi yang memerlukan perawatan yang lebih khusus. Misalnya, penelitian kami menemukan bahwa pasien dengan kondisi kronis yang kompleks mengalami peningkatan paling signifikan dalam kunjungan rawat inap dan gawat darurat."

Kemajuan ini juga merupakan peningkatan potensial yang signifikan dalam mengelola kondisi kronis yang tersebar luas. Wu menunjukkan bahwa penyakit seperti diabetes, penyakit jantung, dan asma menunjukkan variasi yang substansial di berbagai rumah sakit. Variasi ini dapat berasal dari sumber daya yang tersedia, demografi pasien, dan beban kesehatan regional, yang menunjukkan bahwa pendekatan yang disesuaikan dapat menghasilkan manfaat yang substansial.

Jika menengok ke belakang, para peneliti yakin bahwa jika teknologi ini tersedia pada masa-masa awal pandemi COVID-19, teknologi ini dapat meringankan sebagian beban pada sistem perawatan kesehatan dengan memungkinkan antisipasi dan pendistribusian sumber daya penting secara lebih baik.

“Hal ini akan memungkinkan setiap rumah sakit mengantisipasi kebutuhan tempat tidur ICU, ventilator, atau staf khusus dengan lebih baik — membantu menyeimbangkan sumber daya antara perawatan COVID-19 dan layanan penting lainnya,” imbuh Wu. “Selain itu, pada tahap awal pandemi, pembelajaran kolaboratif lintas rumah sakit akan sangat berharga, mengatasi masalah kelangkaan data sekaligus menyesuaikan wawasan dengan kebutuhan unik setiap rumah sakit.”

Para peneliti optimis bahwa sistem AI mereka dapat diterapkan secara luas, yang menunjukkan bahwa hanya infrastruktur berbagi data yang "relatif mudah" yang diperlukan, kata Wu. Bahkan rumah sakit yang tidak memiliki kapasitas untuk secara langsung menggabungkan sistem pembelajaran mesin dapat memperoleh manfaat dari wawasan bersama yang dihasilkan oleh pendekatan kolaboratif ini.

“Dengan memanfaatkan temuan bersama dari rumah sakit jaringan, mereka akan memperoleh wawasan berharga,” imbuh Wu.

Didukung oleh hibah dari National Institutes of Health dan Patient-Centered Outcomes Research Institute, studi ini meletakkan dasar bagi era baru perawatan kesehatan di mana AI yang canggih dapat membantu rumah sakit menyediakan perawatan yang tidak hanya efisien tetapi juga secara unik disesuaikan dengan kebutuhan spesifik populasi pasiennya.