Inovasi AI ini dapat Mendeteksi Dini Potensi Meninggal karena Covid-19

Berita Baru, Denmark – Komputer AI ini dapat menentukan apakah Anda akan meninggal akibat Covid-19 dengan akurasi 90% dengan menganalisis riwayat penyakit dan data kesehatan Anda

Dilansir dari Dailymail.co.uk, Peneliti dari University of Copenhagen memberi data program komputer dengan data kesehatan dari 3.944 pasien Covid-19 Denmark, serta kondisi eksternal yang mendasarinya.

Mereka kemudian melatihnya untuk mencari pola pada pasien yang sebelumnya sakit untuk menentukan faktor risiko dan hasil potensial dari Covid-19 dan menemukan bahwa BMI (indeks berat badan), usia dan menjadi pria adalah faktor risiko tertinggi dalam kemungkinan kematian.

Hasilnya menunjukkan bahwa AI dapat, dengan kepastian hingga 90 persen, menentukan apakah orang yang tidak terinfeksi akan meninggal karena penyakit tersebut jika mereka terinfeksi.

Hasil dari alat baru ini dapat membantu pejabat kesehatan menentukan siapa yang harus berada di garis depan untuk pasokan vaksin yang terbatas, kata penulis utama Mads Nielsen.

Tim menemukan, Setelah dirawat di rumah sakit dengan Covid-19, perangkat lunak komputer dapat memprediksi dengan akurasi 80 persen apakah orang tersebut akan membutuhkan respirator.

Penyakit dan faktor kesehatan tertentu memiliki pengaruh yang lebih besar pada apakah pasien menggunakan respirator daripada yang lain setelah terinfeksi, menurut penelitian tersebut.

Urutan prioritasnya adalah: BMI, usia, tekanan darah tinggi, berjenis kelamin laki-laki, penyakit saraf, COPD, asma, diabetes dan penyakit jantung.

Kelompok yang berisiko terbesar meninggal akibat virus corona jika mereka tertular penyakit adalah pria tua berkulit putih gemuk dengan tekanan darah tinggi, menurut para peneliti.

Mereka menemukan, untuk pasien yang didiagnosis, usia dan BMI adalah di antara fitur yang paling relevan untuk memprediksi masuk rumah sakit dan perawatan ventilator.

Hipertensi dan tekanan darah tinggi adalah fitur terpenting untuk memprediksi masuk ICU, dan memang fitur penting untuk semua model.

Untuk pasien yang harus dirawat di rumah sakit, pendorong perkembangan penyakit yang paling relevan adalah usia, BMI, hipertensi, dan adanya demensia.

“Kami mulai mengerjakan model untuk membantu rumah sakit, karena selama gelombang pertama, mereka takut tidak memiliki cukup respirator untuk pasien perawatan intensif,” jelas Profesor Nielsen. Pada Minggu (08/02).

“Hasil kami menunjukkan, tidak mengherankan, bahwa usia dan BMI adalah parameter paling menentukan seberapa parah seseorang akan terpengaruh oleh COVID-19, ” katanya.

“Tapi kemungkinan meninggal atau berakhir dengan alat bantu pernapasan juga meningkat jika Anda laki-laki, memiliki tekanan darah tinggi atau penyakit saraf,” jelas Mads Nielsen.

Untuk pasien rawat inap yang memerlukan rawat inap ICU dibandingkan dengan pasien rawat inap tanpa rawat inap ICU, hanya jenis kelamin pria, IMT, demensia dan hipertensi yang berbeda antar pasien.

Tim menemukan, pasien yang dirawat di ICU lebih mungkin menjadi perokok, lebih tua dan laki-laki,

Mereka yang meninggal karena penyakit tersebut juga lebih mungkin menderita hipertensi, diabetes, penyakit jantung, gagal jantung, aritmia, stroke, COPD atau asma, osteoporosis, demensia, gangguan mental, penyakit saraf, kanker, gagal ginjal kronis dan penggunaan dialisis. .

“Untuk mereka yang terpengaruh oleh satu atau lebih dari parameter ini, kami menemukan bahwa mungkin masuk akal untuk menaikkannya dalam antrean vaksin, untuk menghindari risiko apa pun dari mereka menjadi berubah dan akhirnya berakhir pada respirator,” kata Nielsen.

Tim di balik penelitian tersebut sekarang bekerja untuk memperbarui model mereka dengan data terbaru dari gelombang terbaru virus korona di Denmark.

Mereka berharap kecerdasan buatan akan segera dapat membantu rumah sakit di negara itu dengan terus memprediksi kebutuhan respirator.

“Kami sedang bekerja untuk tujuan agar kami dapat memprediksi kebutuhan respirator lima hari ke depan dengan memberikan akses komputer ke data kesehatan tentang semua positif Covid-19 di wilayah tersebut,” kata Mads Nielsen.

“Komputer tidak akan pernah bisa menggantikan penilaian dokter, tetapi itu dapat membantu dokter dan rumah sakit melihat banyak pasien yang terinfeksi Covid-19 sekaligus dan menetapkan prioritas berkelanjutan.”