ក្បួនដោះស្រាយដែលបានរៀនពីវេជ្ជបញ្ជាអាហារូបត្ថម្ភរាប់ម៉ឺនសម្រាប់ទារកមិនគ្រប់ខែអាចកាត់បន្ថយកំហុសផ្នែកវេជ្ជសាស្រ្ត និងកំណត់បានកាន់តែច្បាស់ថាតើសារធាតុចិញ្ចឹមអ្វីខ្លះដែលអ្នកជំងឺតូចបំផុតត្រូវការ។
បញ្ញាសិប្បនិម្មិតអាចកែលម្អអាហារូបត្ថម្ភតាមសរសៃឈាមសម្រាប់ទារកមិនគ្រប់ខែ ការសិក្សានៅ Stanford Medicine បានបង្ហាញ។ ថ្មី។ ឱសថធម្មជាតិ សិក្សា មួយផ្នែកគឺអាចធ្វើទៅបានដោយសប្បុរសធម៌ ហើយជាផ្នែកដំបូងដែលបង្ហាញពីរបៀបដែល AI algorithm អាចឱ្យវេជ្ជបណ្ឌិតធ្វើការសម្រេចចិត្តផ្នែកព្យាបាលបានល្អប្រសើរសម្រាប់ទារកទើបនឹងកើតឈឺ។
ក្បួនដោះស្រាយប្រើព័ត៌មាននៅក្នុងកំណត់ត្រាវេជ្ជសាស្រ្តអេឡិចត្រូនិករបស់បុព្វលាភ ដើម្បីទស្សន៍ទាយថាតើសារធាតុចិញ្ចឹមណាមួយដែលពួកគេត្រូវការ និងក្នុងបរិមាណអ្វី។ ឧបករណ៍ AI ត្រូវបានបណ្តុះបណ្តាលលើទិន្នន័យពីវេជ្ជបញ្ជាពីមុនជិត 80,000 សម្រាប់អាហាររូបត្ថម្ភតាមសរសៃឈាម ដែលត្រូវបានភ្ជាប់ទៅនឹងព័ត៌មានអំពីរបៀបដែលអ្នកជំងឺតូចតាចបានធ្វើដំណើរ។
អ្នកស្រាវជ្រាវបាននិយាយថា ការប្រើប្រាស់ AI ដើម្បីជួយចេញវេជ្ជបញ្ជាអាហាររូបត្ថម្ភ IV អាចកាត់បន្ថយកំហុសផ្នែកវេជ្ជសាស្រ្ត សន្សំសំចៃពេលវេលា និងថវិកា និងធ្វើឱ្យវាកាន់តែងាយស្រួលក្នុងការថែទាំបុព្វហេតុនៅក្នុងការកំណត់ធនធានទាប។ អាហារូបត្ថម្ភ IV ដែលត្រូវបានគេស្គាល់ផងដែរថាជាអាហាររូបត្ថម្ភ parenteral សរុបគឺជាមធ្យោបាយតែមួយគត់ដើម្បីផ្តល់អាហារដល់សត្វដែលកើតមុនពេលប្រព័ន្ធរំលាយអាហាររបស់ពួកគេមានភាពចាស់ទុំគ្រប់គ្រាន់ដើម្បីស្រូបយកសារធាតុចិញ្ចឹម។
កុំខកខានការទម្លាយ!
ចុះឈ្មោះដើម្បីទទួលបានព័ត៌មានចុងក្រោយបំផុតអំពីសុខភាពមាតា និងទារក — នៅ Stanford Medicine Children's Health និងលើសពីនេះទៀត!
អ្នកនិពន្ធការសិក្សាជាន់ខ្ពស់បាននិយាយថា៖ «ឥឡូវនេះ យើងចេញវេជ្ជបញ្ជា TPN សម្រាប់ទារកម្នាក់ៗរៀងៗខ្លួនជារៀងរាល់ថ្ងៃ។ យើងបង្កើតវាពីដំបូងហើយផ្តល់វាដល់ពួកគេ»។ នីម៉ា អាហ្គេភឺរបណ្ឌិត សាស្ត្រាចារ្យរងផ្នែកថ្នាំស្ពឹក ផ្នែកវះកាត់ និងព្យាបាលការឈឺចាប់ និងផ្នែកពេទ្យកុមារ។ "អាហាររូបត្ថម្ភសរុបរបស់មាតាបិតាគឺជាប្រភពដ៏ធំបំផុតតែមួយគត់នៃកំហុសផ្នែកវេជ្ជសាស្រ្តនៅក្នុងអង្គភាពថែទាំដែលពឹងផ្អែកខ្លាំងលើទារកទើបនឹងកើត ទាំងនៅក្នុងសហរដ្ឋអាមេរិក និងទូទាំងពិភពលោក។"
មិនត្រឹមតែមានកំហុសក្នុងដំណើរការប៉ុណ្ណោះទេ ប៉ុន្តែវាក៏ធ្វើឱ្យវាពិបាកសម្រាប់គ្រូពេទ្យក្នុងការដឹងថាតើពួកគេបានទទួលរូបមន្តត្រឹមត្រូវឬអត់។ មិនមានការធ្វើតេស្តឈាមដើម្បីវាស់ថាតើ preemie បានទទួលចំនួនកាឡូរីត្រឹមត្រូវជារៀងរាល់ថ្ងៃទេ ជាឧទាហរណ៍ ហើយមិនដូចទារកពេញមួយខែទេ Preemies មិនចាំបាច់យំនៅពេលពួកគេឃ្លាន និងបង្ហាញការស្កប់ស្កល់នៅពេលពួកគេឆ្អែតនោះទេ។
អ្នកស្រាវជ្រាវបាននិយាយថា "អាហាររូបត្ថម្ភគឺជាផ្នែកមួយនៃការថែទាំទារកទើបនឹងកើតដែលយើងខ្សោយបំផុត" ។ លោក David Stevenson, MD, neonatologist និងជាសាស្រ្តាចារ្យ Harold K. Faber ផ្នែកជំងឺកុមារ។
ដំណើរការយឺត
ប្រហែល 10% នៃទារកកើតមិនគ្រប់ខែ មានន័យថាយ៉ាងហោចណាស់បីសប្តាហ៍មុនថ្ងៃកំណត់របស់ពួកគេ។ ទារកដែលកើតលើសពីប្រាំបីសប្តាហ៍មុននេះ មិនទាន់ត្រៀមខ្លួនរួចរាល់ក្នុងការស្រូបយកសារធាតុចិញ្ចឹមតាមរយៈពោះវៀនរបស់ពួកគេទេ ហើយត្រូវការការបំបៅដោយ IV ។ លើសពីនេះ អ្នកដែលកើតមុនខ្លះជួបប្រទះនឹងបញ្ហាក្រពះពោះវៀននៃការកើតមុន និងត្រូវការអាហាររូបត្ថម្ភ IV ខណៈពេលដែលពោះវៀនជាសះស្បើយ។
នាពេលបច្ចុប្បន្ននេះ អាហារូបត្ថម្ភ IV ត្រូវបានចេញវេជ្ជបញ្ជាជារៀងរាល់ថ្ងៃសម្រាប់អ្នកជំងឺទាំងនេះជាលក្ខណៈបុគ្គល។ អ្នកជំងឺត្រូវការសារធាតុ macronutrients ដែលជាបណ្តុំម៉ូលេគុលនៃប្រូតេអ៊ីន ខ្លាញ់ និងកាបូអ៊ីដ្រាត។ មីក្រូសារជាតិដូចជាវីតាមីន សារធាតុរ៉ែ និងអេឡិចត្រូលីត; និងថ្នាំដូចជា heparin ដែលត្រូវបានបន្ថែមទៅក្នុងការរៀបចំ IV ដើម្បីកាត់បន្ថយហានិភ័យនៃការកកឈាម។ វេជ្ជបញ្ជាបច្ចុប្បន្នគឺផ្អែកលើកត្តាដូចជាទម្ងន់របស់ទារក ដំណាក់កាលនៃការអភិវឌ្ឍន៍ និងលទ្ធផលនៃការងារមន្ទីរពិសោធន៍របស់ពួកគេ។
ការផ្តល់វេជ្ជបញ្ជាទាំងនេះតម្រូវឱ្យមានការបញ្ចូលពីអ្នកជំនាញចំនួនប្រាំមួយរូបដែលធ្វើការរួមគ្នាក្នុងដំណើរការជាច្រើនម៉ោង៖ គ្រូពេទ្យជំនាញខាងទារកទើបនឹងកើត ឬឱសថការីសរសេរវេជ្ជបញ្ជានីមួយៗ ដែលត្រូវបានត្រួតពិនិត្យដោយអ្នកចំណីអាហារសម្រាប់សមាសភាពសារធាតុចិញ្ចឹម និងដោយឱសថការីទីពីរដើម្បីសុវត្ថិភាព។ វេជ្ជបញ្ជាទៅឱសថស្ថានផ្សំ ដែលត្រូវបានរៀបចំ បន្ទាប់មកទៅអង្គភាពថែទាំទារកទើបនឹងកើត ដែលគិលានុបដ្ឋាយិកាម្នាក់ផ្តល់ឱ្យ IV និងគិលានុបដ្ឋាយិកាទីពីរពិនិត្យពីរដងថាអ្នកជំងឺម្នាក់ៗទទួលបានការរៀបចំត្រឹមត្រូវ។
សហអ្នកនិពន្ធការសិក្សាបាននិយាយថា៖ «វាជាថ្នាំដែលមានហានិភ័យខ្ពស់ព្រោះវាជាការលាយបញ្ចូលគ្នានៃវត្ថុផ្សេងៗជាច្រើន»។ Shabnam Gaskari, PharmD នាយកប្រតិបត្តិ និងជាប្រធានឱសថស្ថាននៅ Stanford Medicine Children's Health ។ "ប្រសិនបើយើងផលិត TPNs ដែលត្រៀមរួចជាស្រេចក្នុងការប្រើប្រាស់ នោះនឹងមានប្រយោជន៍ខ្លាំងណាស់។ ខ្ញុំគិតថាវានឹងមានសុវត្ថិភាពជាងសម្រាប់អ្នកជំងឺ។"
ឆ្ពោះទៅរករូបមន្តស្តង់ដារ
អ្នកស្រាវជ្រាវបានងឿងឆ្ងល់ថាតើពួកគេអាចប្រើ AI ដើម្បីជួយផ្តល់ឱ្យមន្ទីរពេទ្យនូវរូបមន្តអាហាររូបត្ថម្ភដែលផលិតរួចរាល់សម្រាប់ប្រើប្រាស់ដែរឬទេ។
ក្បួនដោះស្រាយ AI របស់ពួកគេត្រូវបានបណ្តុះបណ្តាលលើទិន្នន័យកំណត់ត្រាវេជ្ជសាស្រ្តអេឡិចត្រូនិករយៈពេល 10 ឆ្នាំពីអង្គភាពថែទាំទារកទើបនឹងកើតនៅមន្ទីរពេទ្យ Lucile Packard Children's Hospital Stanford រួមទាំងវេជ្ជបញ្ជាចំនួន 79,790 សម្រាប់អាហាររូបត្ថម្ភ IV ពីអ្នកជំងឺមិនគ្រប់ខែចំនួន 5,913 នាក់។ ក្បួនដោះស្រាយនេះក៏មានសិទ្ធិទទួលបានព័ត៌មានអំពីលទ្ធផលវេជ្ជសាស្ត្ររបស់អ្នកជំងឺផងដែរ ដោយវាអនុញ្ញាតឱ្យវាស្វែងរកគំរូតូចៗដែលភ្ជាប់កម្រិតសារធាតុចិញ្ចឹមទៅនឹងសុខភាពទារក។ ទោះបីជាវេជ្ជបណ្ឌិតមិនតែងតែទទួលបានវេជ្ជបញ្ជាពីមុនត្រឹមត្រូវក៏ដោយ បរិមាណនៃទិន្នន័យបានជួយដោះស្រាយបញ្ហានោះ ដោយអនុញ្ញាតឱ្យក្បួនដោះស្រាយដើម្បីរៀនតាមរបៀបទូទៅអំពីអ្វីដែលមានប្រសិទ្ធភាពសម្រាប់ទារកក្នុងស្ថានភាពវេជ្ជសាស្ត្រផ្សេងៗគ្នា។
Aghaeepour បាននិយាយថា "នេះគឺជាកម្លាំងរបស់ AI៖ ពេលខ្លះទិន្នន័យមិនល្អឥតខ្ចោះគឺល្អគ្រប់គ្រាន់ ដរាបណាអ្នកមានវាច្រើន"។
បន្ទាប់ពីការបណ្តុះបណ្តាលលើទស្សវត្សរ៍នៃទិន្នន័យអ្នកជំងឺ ក្បួនដោះស្រាយបានដាក់ជាក្រុមតាមវេជ្ជបញ្ជាសារធាតុចិញ្ចឹមស្រដៀងគ្នា ដើម្បីកំណត់ថាតើរូបមន្តស្ដង់ដារចំនួនប៉ុន្មានដែលនឹងបំពេញតម្រូវការអាហារូបត្ថម្ភរបស់អ្នកជំងឺទាំងអស់ និងអ្វីដែលនឹងចូលទៅក្នុងនីមួយៗ។
"យើងឆ្ងល់ថា ចុះបើយើងបង្កើតរូបមន្តស្តង់ដារបី ឬ 10 ឬ 100?" Ahaeepour បាននិយាយ។ "វាប្រែថាជាមួយនឹងរូបមន្ត 15 ផ្សេងគ្នាសម្រាប់អាហាររូបត្ថម្ភ IV អ្វីដែលអ្នកកំពុងណែនាំគឺស្រដៀងទៅនឹងអ្វីដែលគ្រូពេទ្យ ឱសថការី និងអ្នកតមអាហារនឹងធ្វើ។ ប៉ុន្តែបន្ទាប់មករូបមន្តដែលមានមូលដ្ឋានលើ AI ទាំង 15 នេះអាចត្រូវបានប្រើដើម្បីបង្កើនល្បឿន និងសុវត្ថិភាពយ៉ាងខ្លាំង។"
លើសពីនេះ អ្នកស្រាវជ្រាវបានបង្ហាញថា ក្បួនដោះស្រាយ AI អាចប្រើទិន្នន័យពីកំណត់ត្រាវេជ្ជសាស្ត្រអេឡិចត្រូនិករបស់អ្នកជំងឺ ដើម្បីទស្សន៍ទាយរូបមន្ត 15 ណាដែលទារកម្នាក់ៗអាចត្រូវការ ហើយវាអាចកែសម្រួលអនុសាសន៍ជារៀងរាល់ថ្ងៃ នៅពេលដែលអ្នកជំងឺធំឡើង ហើយស្ថានភាពសុខភាពរបស់ពួកគេបានផ្លាស់ប្តូរ។ ដូច្នេះ ក្បួនដោះស្រាយអាចណែនាំថា ទារកជាក់លាក់មួយត្រូវការរូបមន្តលេខ 8 រយៈពេលប្រាំថ្ងៃ បន្ទាប់មករូបមន្តលេខ 3 សម្រាប់មួយសប្តាហ៍ បន្ទាប់មករូបមន្តលេខ 14 សម្រាប់ពីរបីថ្ងៃ និងបន្តបន្ទាប់ទៀត។
ដើម្បីសាកល្បងពីរបៀបដែលវិធីសាស្រ្តនេះនឹងជង់ប្រឆាំងនឹងវេជ្ជបញ្ជាពិតប្រាកដ ក្រុមស្រាវជ្រាវបានបង្កើតការធ្វើតេស្តមួយសម្រាប់គ្រូពេទ្យទារកទើបនឹងកើត 10 នាក់៖ វេជ្ជបណ្ឌិតត្រូវបានបង្ហាញព័ត៌មានគ្លីនិកសម្រាប់អ្នកជំងឺពីមុន រួមជាមួយនឹងវេជ្ជបញ្ជាអាហារូបត្ថម្ភ IV ដែលពួកគេពិតជាបានទទួល និងវេជ្ជបញ្ជាដែលក្បួនដោះស្រាយនឹងណែនាំ។ វេជ្ជបណ្ឌិតមិនត្រូវបានគេប្រាប់ថា វេជ្ជបញ្ជាមួយណានោះទេ។ ពួកគេត្រូវបានគេសួរថា តើមួយណាដែលពួកគេគិតថាល្អជាង។ វេជ្ជបណ្ឌិតតែងតែចូលចិត្តវេជ្ជបញ្ជាដែលបង្កើតដោយ AI ទៅនឹងវេជ្ជបញ្ជាពិតប្រាកដ។
អ្នកស្រាវជ្រាវក៏បានប្រើ AI ដើម្បីស្កែនឯកសារវេជ្ជសាស្ត្រអេឡិចត្រូនិកពីអ្នកជំងឺពីមុន ដោយរកមើលករណីដែលវេជ្ជបញ្ជាអាហារូបត្ថម្ភពិតប្រាកដរបស់អ្នកជំងឺគឺខុសគ្នាខ្លាំងពីអ្វីដែល AI នឹងណែនាំ។ ពួកគេបានរកឃើញថា ចំពោះអ្នកជំងឺទាំងនោះ ហានិភ័យនៃការស្លាប់ ជំងឺសេពសិត និងជំងឺពោះវៀនគឺខ្ពស់ជាងអ្នកជំងឺដែលមានវេជ្ជបញ្ជាដែលត្រូវនឹងអ្វីដែល AI នឹងណែនាំ។
ក្រុមការងារក៏បានធ្វើសុពលភាពគំរូ AI ដោយប្រើទិន្នន័យពិតពីសាកលវិទ្យាល័យកាលីហ្វ័រញ៉ា សាន់ហ្វ្រាន់ស៊ីស្កូ (រួមទាំងវេជ្ជបញ្ជាអាហារូបត្ថម្ភចំនួន 63,273 ពីអ្នកជំងឺ 3,417 នាក់) ហើយបានរកឃើញថាគំរូនេះធ្វើបានល្អក្នុងការទស្សន៍ទាយតម្រូវការសារធាតុចិញ្ចឹមសម្រាប់ប្រជាជននេះផងដែរ។
ជំហាននៃការអនុវត្ត
ជំហានបន្ទាប់នឹងដំណើរការការសាកល្បងព្យាបាលដោយចៃដន្យ ដែលអ្នកជំងឺខ្លះទទួលបានវេជ្ជបញ្ជាសារធាតុចិញ្ចឹមដោយប្រើវិធីសាស្ត្រដោយដៃ អ្នកផ្សេងទៀតទទួលបានវេជ្ជបញ្ជាដែលណែនាំដោយ AI និងអ្នកស្រាវជ្រាវមើលពីរបៀបដែលក្រុមនីមួយៗមានតម្លៃថ្លៃ។
ដោយសន្មតថាប្រព័ន្ធនេះត្រូវបានអនុវត្ត ក្រុមការងារគ្រោងនឹងឱ្យវេជ្ជបណ្ឌិត និងឱសថការីបន្តពិនិត្យមើលការណែនាំរបស់ AI និងកែតម្រូវវេជ្ជបញ្ជាប្រសិនបើចាំបាច់។
អ្នករួមចំណែក និងអ្នកគាំទ្រ
អ្នកវិទ្យាសាស្ត្រមកពីសាកលវិទ្យាល័យ Southern California Keck School of Medicine and Children's Hospital of Los Angeles បានចូលរួមចំណែកក្នុងការស្រាវជ្រាវ។
ការងារនេះត្រូវបានគាំទ្រដោយវិទ្យាស្ថានជាតិសុខភាព (ផ្តល់ជំនួយ R35GM138353) មជ្ឈមណ្ឌលជាតិសម្រាប់វិទ្យាសាស្ត្របកប្រែជឿនលឿន (ផ្តល់ជំនួយ UL1TR001872) វិទ្យាស្ថានជាតិ Eunice Kennedy Shriver នៃសុខភាពកុមារ និងការអភិវឌ្ឍន៍មនុស្ស (ផ្តល់ជំនួយ R42HD115517) មូលនិធិ Burroughs Wellcome Child, the Alnfred the Maternal Foundation និង Dimes ។ វិទ្យាស្ថានស្រាវជ្រាវសុខភាពតាមរយៈកម្មវិធី SPARK Translational Research Program របស់ Stanford មូលនិធិបច្ចេកវិទ្យាផលប៉ះពាល់ខ្ពស់របស់ Stanford និង Stanford Biodesign។ គម្រោងនេះក៏ត្រូវបានគាំទ្រដោយមជ្ឈមណ្ឌលជាតិសម្រាប់ជំរុញវិទ្យាសាស្ត្របកប្រែ វិទ្យាស្ថានជាតិសុខភាព តាមរយៈវិទ្យាស្ថានវិទ្យាសាស្ត្រគ្លីនិក និងបកប្រែ UCSF ។
ធ្វើអំណោយ ដើម្បីគាំទ្រការស្រាវជ្រាវប្រកបដោយភាពច្នៃប្រឌិត និងការថែទាំសម្រាប់ម្តាយ និងទារកនៅមន្ទីរពេទ្យ Lucile Packard Children's Hospital Stanford—និងជុំវិញពិភពលោក។
