Исследователи Университета Вашингтона (Такома, США) построили систему машинного обучения, способную предсказывать пациентов с застойной сердечной недостаточностью. Пилотный проект показал хорошие результаты, ученые планируют коммерциализировать новую технологию.

Покидая госпиталь после продолжительного лечения, пациенты надеются, что в обозримом будущем им не придется возвращаться на лечение в связи с той же проблемой. К сожалению, повторная госпитализация случается достаточно часто, иногда в течение нескольких недель, и даже предложенная президентом США реформа здравоохранения содержит специальные меры для решения данной проблемы. Согласно исследованиям пациентов Medicare, четверть пациентов, прошедших курс лечения от сердечной недостаточности, возвращается в клинику в течение месяца после выписки, что несет для Medicare дополнительные издержки в примерно $15 млрд в год.

Исследователи разработали веб- и мобильное приложения Risk-O-Meter, которые производят сбор данных о пациенте, а затем на основании более 100 показателей рассчитывают риск развития застойной сердечной недостаточности. По мере лечения показатели риска пересчитываются, что дает возможность корректировать терапию и определить оптимальное время выписки пациента. Как правило, курс стационарного лечения сердечной недостаточности составляет 13 дней, но как показал пилотный проект, у большинства пациентов риски значительно снижаются уже на 10-й день, и их можно переводить на амбулаторное лечение с практически нулевой вероятностью повторной госпитализации.

Программа Risk-O-Meter также помогает врачам анализировать различные дополнительные факторы, которые влияют на течение заболевания, и приводят к резкому увеличению рисков.

Стратегія охолодження ЦОД для епохи AI