Ποιος έχει προτεραιότητα; Το ελληνικό app που μειώνει την αναμονή στα Επείγοντα

Ο πρωτοποριακός αλγόριθμος έχει τεσταριστεί πιλοτικά στο νοσοκομείο «ΑΧΕΠΑ», στο «Παπαγεωργίου», σε κλινική covid του Ιπποκρατείου Θεσσαλονίκης και σε ένα βρετανικό νοσοκομείο

Μια επίσκεψη στα επείγοντα των ελληνικών δημόσιων νοσοκομείων συνοδεύεται με αναμονή που κυμαίνεται από πέντε έως και 12 ώρες, ειδικά στα μεγάλα νοσηλευτικά ιδρύματα που δέχονται τεράστιο όγκο ασθενών. Πώς θα ήταν η κατάσταση εάν μπορούσε να γίνει μια κατηγοριοποίηση των περιπατητικών ασθενών και να τοποθετηθούν σε σειρά προτεραιότητας ανάλογα με τον βαθμό του επείγοντος, ακόμη και όταν τα συμπτώματα κάποιων μοιάζουν παρόμοια;

Ένας αλγόριθμος Τεχνητής Νοημοσύνης κάνει αυτήν τη διαλογή και μάλιστα φέρει ελληνική «υπογραφή». Πρόκειται για την EMMA της ελληνικής start-up «EMMA Emergency Clinical Support». Η ιδέα ξεκίνησε το 2017 με μια σύμπραξη της Ιατρικής Σχολής του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης και της εταιρείας τηλεϊατρικής Vidavo. Εμπνευστές του αλγορίθμου και ιδρυτές της start-up το 2022 είναι ο Αλέξης Φουρλής και ο Αντώνης Μπίλης. Πίσω τους είναι μια μεγάλη ομάδα, μεταξύ των οποίων ακαδημαϊκοί και γιατροί.

«Σύμφωνα με τη διεθνή βιβλιογραφία όσο αυξάνεται ο χρόνος αναμονής για εξέταση στα επείγοντα των νοσοκομείων, τόσο επιδεινώνεται η υγεία του ασθενούς», σημειώνει στο ygeiamou.gr ο κ. Φουρλής, ηλεκτρολόγος – μηχανικός, συνιδρυτής και CEO της «EMMA Emergency Clinical Support».

Η πανδημία της Covid-19 έκανε πιο επιτακτική μια τάση που ήδη απαιτούσε δράση: Την μεγάλη πληρότητα στα επείγοντα περιστατικά που είναι μια πραγματικότητα στα περισσότερα ευρωπαϊκά νοσοκομεία και οδηγεί σε αύξηση του χρόνου αναμονής των ασθενών.

Ενδεικτικά, το βρετανικό σύστημα Υγείας (NHS) έχει πέντε φορές χειρότερη αποτελεσματικότητα σε σύγκριση με το 2010, ενώ αύξηση του χρόνου αναμονής κατά μόλις μία ώρα οδηγεί σε αύξηση του κόστους περίθαλψης κατά περίπου 30%.

Προκειμένου να στήσουν τον αλγόριθμο, οι δημιουργοί της EMMA χρησιμοποίησαν ανοιχτά δεδομένα από την Κορέα που αφορούσαν σε 10.000 ασθενείς. Στη συνέχεια, με 1.800 περιστατικά στην Ελλάδα επιβεβαίωσαν τον αλγόριθμο μηχανικής μάθησης που «εκπαιδεύτηκε» στους 10.000 ασθενείς. «Προσπαθούμε διαρκώς να αυξήσουμε την ακρίβεια του αλγόριθμου, η οποία τώρα είναι στο 74%», εξηγεί ο κ. Φουρλής.

Σκοπός της EMMA είναι να αποτελεί ένα πολύτιμο εργαλείο του αρμόδιου γραφείου κίνησης ασθενών για το σύνολο των περιστατικών των επειγόντων. Η λειτουργία του έχει σχεδιαστεί ώστε να αντλεί δεδομένα από πλήρες ιστορικό ασθενών και να μπορεί να τους προτεραιοποιεί ορίζοντας πόση ώρα θα περιμένουν.

Ωστόσο, δεδομένου ότι στην Ελλάδα δεν είναι ανεπτυγμένος ο Ηλεκτρονικός Φάκελος Ασθενούς και σε πολλές περιπτώσεις τα ηλεκτρονικά συστήματα δεν είναι συνδεδεμένα για να μπορεί ο αλγόριθμος να πάρει τα απαραίτητα δεδομένα, η EMMA… σκοντάφτει προς το παρόν και δεν μπορεί να λειτουργήσει έτσι όπως έχει σχεδιαστεί. «Ένα πολύ σημαντικό στοιχείο είναι ότι σε όποιο νοσοκομείο και εάν έχουμε πάει ο τρόπος λειτουργίας των ΤΕΠ είναι διαφορετικός», λέει ο κ. Φουρλής.

Έτσι, σήμερα η ΕΜΜΑ μπορεί να «δουλέψει» στα Επείγοντα των ελληνικών νοσοκομείων ως εξής: Ο γιατρός έχει ένα mobile app στο κινητό του και εκεί καταγράφει ιστορικό του ασθενούς και συμπτώματα. Η εφαρμογή δίνει μια ένδειξη στο γιατρό εάν ο ασθενής χρειάζεται μια προσοχή και πρέπει να προτεραιοποιηθεί ή μπορεί και να περιμένει. Εάν το περιστατικό είναι επείγον, είναι δυνατόν να του χορηγηθεί μια μη επεμβατική συσκευή σαν ρολόι στον καρπό του (wearable) που καταγράφει χρήσιμες ενδείξεις όπως οι παλμοί και το οξυγόνο. «Δουλεύουμε αυτή τη στιγμή να προσθέσουμε την καταγραφή αρτηριακής πίεσης και γλυκόζης στο αίμα». Μέσα από τα wearables είναι δυνατόν να παρακολουθείται η θέση του ασθενούς στον χώρο ή στα διάφορα τμήματα (για παράδειγμα στην αίθουσα αξονικού τομογράφου), χωρίς να χρησιμοποιούνται καθόλου προσωπικά δεδομένα.

Ο πρωτοποριακός αλγόριθμος έχει τεσταριστεί πιλοτικά στο νοσοκομείο «ΑΧΕΠΑ», στο «Παπαγεωργίου» και σε κλινική covid του Ιπποκρατείου Θεσσαλονίκης. Επίσης σε ένα νοσηλευτικό ίδρυμα της Βρετανίας. Τα αποτελέσματα από αυτή την πιλοτική λειτουργία αφορούν μόνο σε ποιοτικούς δείκτες, όπως για παράδειγμα «ναι βοήθησε στην κατανομή» ή «οι ασθενείς αισθάνονται καλύτερα». Προς το παρόν δεν υπάρχουν αποτελέσματα σε σχέση με μείωση του χρόνου αναμονής.

Οι επικεφαλής της start-up βρίσκονται σε επικοινωνία με επενδυτές και έχουν δημιουργήσει ένα business plan 7ετίας. Ευελπιστούν να πιστοποιηθεί η ΕΜΜΑ ως ιατροτεχνολογικό προϊόν σύμφωνα με τις οδηγίες της Ευρωπαϊκής Ένωσης, οι οποίες βέβαια, σύμφωνα με τον κ. Φουρλή είναι πολύ αυστηρές και απαιτούν χρόνο. Ο ίδιος επισημαίνει ότι οι συζητήσεις με επενδυτές έχουν προχωρήσει προς το παρόν περισσότερο με το Ηνωμένο Βασίλειο, τη Γερμανία και την Πολωνία και όχι τόσο με τη χώρα μας όπου οι επενδυτές προτιμούν άλλους κλάδους παρά τον χώρο της Υγείας.

Οι ενδείξεις της εφαρμογής EMMA

Πηγή: https://www.ygeiamou.gr/%ce%b5%ce%b9%ce%b4%ce%ae%cf%83%ce%b5%ce%b9%cf%82/%cf%80%ce%bf%ce%bb%ce%b9%cf%84%ce%b9%ce%ba%ce%ae-%cf%85%ce%b3%ce%b5%ce%af%ce%b1%cf%82/364260/pios-echi-protereotita-to-elliniko-app-pou-mioni-tin-anamoni-sta-epigonta/

Περισσότερα Άρθρα

Σχετικά Άρθρα

Νέες Δημοσιεύσεις

Αρτηριακή υπέρταση: Από τι προκαλείται και πώς θεραπεύεται;

Υπέρταση ονομάζεται η υψηλή αρτηριακή πίεση, η οποία είναι η πίεση που ασκεί το αίμα στο τοίχωμα των αρτηριών καθώς ρέει μέσα σε αυτές. Εξαρτάται...

Τεχνητή νοημοσύνη, αναγκαίες δεξιότητες και ο ρόλος των δημόσιων πανεπιστημίων

Μια πολύ ενδιαφέρουσα συζήτηση στο Delphi Forum για τις προκλήσεις που φέρνει η Τεχνητή Νοημοσύνη Βασική θεματική στο φετινό Delphi Forum και η Τεχνητή Νοημοσύνη...

Η Meta θα αναγνωρίζει από τον Μάιο τα περιεχόμενα που έχουν δημιουργηθεί από την Τεχνητή Νοημοσύνη

Ο αμερικανικός κολοσσός Meta θα αναγνωρίζει στα μέσα κοινωνικής δικτύωσής του τους ήχους, τις φωτογραφίες και τα βίντεο που έχουν δημιουργηθεί από τεχνητή νοημοσύνη...

Ετικέτες