MIT CSAIL araştırmacıları, doğru antibiyotik seçimi için algoritma geliştirdi

MIT araştırmacıları, bir hastanın idrar yolu enfeksiyonunun birinci veya ikinci basamak antibiyotiklerle tedavi edilme olasılığını tahmin eden bir öneri algoritması geliştirdiklerini açıkladı.
MIT CSAIL araştırmacıları, doğru antibiyotik seçimi için algoritma geliştirdi

MIT'nin Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı'ndaki (CSAIL) araştırmacılar, bir hastanın idrar yolu enfeksiyonunun birinci veya ikinci basamak antibiyotiklerle tedavi edilme olasılığını tahmin eden bir öneri algoritması geliştirdiklerini açıkladı. Bu algoritma, spesifik bir tedavi için tavsiyede bulunuyor.

Dünyadaki tüm kadınların yüzde 50'sini etkileyen idrar yolu enfeksiyonları, sağlık bakım maliyetlerine yılda yaklaşık 4 milyar dolar ekliyor. Doktorlar genellikle idrar yolu enfeksiyonlarını florokinolon adı verilen antibiyotikler kullanarak tedavi ediyor, ancak bunların kadınları başka enfeksiyonlara yakalanma riskiyle karşı karşıya bıraktıkları söyleniyor. Ayrıca, tendon yaralanmaları ve aort yırtıkları gibi yaşamı tehdit eden durumların daha yüksek riskli hale gelmesine neden oluyor ve tıbbi derneklerin florokinolonları "ikinci basamak tedaviler" şeklinde öneren kılavuzlar yayınlamasına yol açıyor. Buna rağmen, sınırlı zamanı ve kaynakları olan doktorlar, yüksek oranlarda florokinolon reçete etmeye devam ediyor.

CSAIL ekibi, Brigham & Women's Hospital ve Massachusetts General Hospital'dan 10 binden fazla hastadan alınan verilerle eğitilen modellerinin, klinisyenlerin ikinci basamak antibiyotik kullanımını yüzde 67 oranında azaltmasına olanak sağlayacağını iddia ediyor. Klinisyenlerin ikinci basamak bir ilacı seçtiği ancak algoritmanın birinci basamak ilacı seçtiği hastalar için, birinci basamak ilaç kişilerin yüzde 90'ından fazlasında işe yaradı.

Ekip, algoritmalarını daha karmaşık idrar yolu enfeksiyonları üzerinde test etmediklerini ve bunun randomize kontrollü bir denemeyle değerlendirilmediğini kabul ediyor. Aslında araştırmalar, hastalıkların teşhisi için algoritmaları eğitmek için kullanılan verilerin çoğunun eşitsizlikleri devam ettirebileceğini gösteriyor.

İngiliz bilim adamlarından oluşan bir ekip, neredeyse tüm göz hastalığı veri kümelerinin Kuzey Amerika, Avrupa ve Çin'deki hastalardan geldiğini buldu. Bu da göz hastalığı teşhis algoritmalarının, yeterince temsil edilmeyen ülkelerdeki ırk grupları için daha az kesin olduğu anlamına geliyor. Başka bir çalışmada, Stanford Üniversitesi araştırmacıları, yapay zekanın tıbbi kullanımlarını içeren çalışmalar için ABD verilerinin çoğunun California, New York ve Massachusetts'ten geldiğini iddia etti.

MIT ekibi ileriye dönük olarak, çabalarının normal uygulamaları algoritma destekli tıbbi kararlarla karşılaştıran denemelere odaklanacağını söylüyor. Ayrıca ırk, etnik köken, sosyoekonomik durum ve daha karmaşık sağlık geçmişlerine göre önerileri iyileştirmek için örneklem büyüklüklerinin çeşitliliğini artırmayı planlıyorlar.