Χρήση Τεχνητής Νοημοσύνης στην <br> Εμπειρική Θεραπεία
Περιγραφή της Καινοτομίας

Δημοσιευμένη μεθοδολογία από ομάδα επιστημόνων (Πληροφορικής, Ιατρικής και Βιολογίας) της νοσοκομειακής μονάδας «Σισμανόγλειο» του ΓΝΑ «ΣΙΣΜΑΝΟΓΛΕΙΟ-ΑΜ.ΦΛΕΜΙΓΚ» με χρήση τεχνικών Τεχνητής Νοημοσύνης σε δεδομένα ευαισθησίας στα αντιβιοτικά από το Μικροβιολογικό Εργαστήριο, που έχει σκοπό να βοηθήσει τους Ιατρούς του νοσοκομείου για την επιλογή κατάλληλης εμπειρικής αντιβιοτικής θεραπείας. Η μεθοδολογία αυτή βασίζεται αποκλειστικά σε δεδομένα του Εργαστηρίου Μικροβιολογίας που υπάρχουν ήδη στο Εργαστηριακό Πληροφοριακό Σύστημα του νοσοκομείου. 

Λόγοι ανάπτυξης της Καινοτομίας 

Ο λόγος ανάπτυξης αυτής της καινοτομίας ήταν η αξιοποίηση των δεδομένων του Μικροβιολογικού Εργαστηρίου που υπάρχει ήδη στο Εργαστηριακό Πληροφοριακό Σύστημα του νοσοκομείου με χρήση μεθόδων Τεχνητής Νοημοσύνης με σκοπό την ανάπτυξη μιας μεθοδολογίας χαμηλού κόστους που μπορεί να χρησιμοποιηθεί σε οποιαδήποτε Νοσοκομειακή Κλινική ως ένα συμπληρωματικό εργαλείο υποβοήθησης στη λήψη των αποφάσεων σε συνδυασμό με τα ισχύοντα Ιατρικά πρωτόκολλα.

Στόχοι της Καινοτομίας

Η αύξηση της ακρίβειας στην επιλογή κατάλληλης εμπειρικής θεραπείας με τα αντίστοιχα σημαντικά οφέλη για τους ασθενείς, την διάρκεια και το κόστος νοσηλείας.

Αποτελέσματα της καινοτομίας

Η προτεινόμενη μεθοδολογία όταν χρησιμοποιηθεί ως εργαλείο υποστήριξης αποφάσεων, έχει τη δυνατότητα να βελτιώσει την διαδικασία επιλογής της εμπειρικής θεραπείας με τα αντίστοιχα σημαντικά οφέλη για τους ασθενείς, την διάρκεια και το κόστος νοσηλείας και να μειώσει μακροπρόθεσμα το φορτίο της μικροβιακής αντοχής στο Νοσοκομείο.

Εκτιμάται ότι οι ωφελούμενοι - ασθενείς θα ανέλθουν σε 500 ανά χρόνο ενώ προβλέπεται μείωση δαπανών 50.000 € κατ'έτος. 

Στάδιο Σχεδιασμού:

Η καινοτομία αυτή σχεδιάστηκε με τη συνεργασία του επιστημονικού προσωπικού Πληροφορικής και Ιατρικής και οι προδιαγραφές που χρησιμοποιήθηκαν βασίζονται στις ανάγκες του Ιατρικού προσωπικού για επιπλέον πληροφόρηση σχετικά με τα μοντέλα πρόβλεψης που αναπτύχθηκαν με τεχνικές τεχνητής νοημοσύνης.

Στάδιο Πειραματικής εφαρμογής:

Στην ερευνητική αυτή μελέτη χρησιμοποιήθηκαν τεχνικές Μηχανικής και Βαθιάς μάθησης (Machine Learning, Deep Learning) σε δεδομένα του Μικροβιολογικού εργαστηρίου, και ειδικότερα στα αποτελέσματα των εξετάσεων που αφορούν την ευαισθησία των βακτηρίων σε μεμονωμένα αντιβιοτικά, γνωρίζοντας μόνο τη χρώση κατά Gram του βακτηρίου, το είδος του κλινικού δείγματος και κάποια από τα δημογραφικά στοιχεία των ασθενών. Αναλυτική περιγραφή των μεθόδων και των αποτελεσμάτων υπάρχει στις δυο (2) σχετικές δημοσιεύσεις (2020), στο έγκριτο διεθνές επιστημονικό περιοδικό Antibiotics (IF 3.893) στο άρθρο με τίτλο “Using Machine Learning Techniques to Aid Empirical Antibiotic Therapy Decisions in the Intensive Care Unit of a General Hospital in Greece” καθώς επίσης και στο διεθνές συνέδριο 18th International Conference on Informatics, Management and Technology in Healthcare στο άρθρο με τίτλο “Using Machine Learning Algorithms to Predict Antimicrobial Resistance and Assist Empirical Treatment”.

Στάδιο Εφαρμογής:

Δεν εφαρμόζεται ακόμη η καινοτομία στην πλήρη της μορφή διότι βρίσκεται στο στάδιο της πειραματικής εφαρμογής. Πιστεύουμε ότι στην εφαρμογή της θα αποτελεί ένα εργαλείο υποβοήθησης στην λήψη αποφάσεων κατάλληλης εμπειρικής αντιβιοτικής θεραπείας.

Στάδιο Διάδοσης:

Δεν έχει γίνει διάδοση ακόμη.

Επέκταση – υιοθέτηση

Δεν έχει γίνει ακόμη επέκταση ή υιοθέτηση.

Προκλήσεις και τρόποι αντιμετώπισης κατά το σχεδιασμό, δοκιμή και υλοποίηση

Απαιτείται χρηματοδότηση προκειμένου να διασυνδεθεί η καινοτομία στο πληροφοριακό σύστημα του νοσοκομείου.

Συνεργασίες

Υπήρξε συνεργασία με τον Αναπληρωτή Καθηγητή του ΕΑΠ Δρ Δημήτριο Καλλέ. Το αποτέλεσμα της συνεργασίας ήταν τεχνικές συμβουλές σχετικά με τις μεθόδους που έχουν επιλεγεί.    

Εκτίμηση – περιγραφή για τις αναγκαίες συνθήκες επιτυχίας και βιωσιμότητας της καινοτομίας

Θα πρέπει να γίνει μετάβαση από το πειραματικό στάδιο στην εφαρμογή της, ξεκινώντας πιλοτικά από την ΜΕΘ που υπάρχει και η μεγαλύτερη ανάγκη για τέτοια γνώση.

Εμπειρίες, σκέψεις, διαπιστώσεις 

Οι τεχνικές Τεχνητής Νοημοσύνης (Artificial Intelligence) θα μπορούσαν να χρησιμοποιηθούν για τη δημιουργία ενός συστήματος υποστήριξης κλινικών αποφάσεων για να βοηθήσουν τους κλινικούς ιατρούς να κάνουν πιο αποτελεσματικές επιλογές σε συνδυασμό πάντα με τα ιατρικά πρωτόκολλα. Η επισκόπηση της επιστημονικής βιβλιογραφίας δείχνει πολλά υποσχόμενα αποτελέσματα στη χρήση τεχνικών AI στην υγειονομική περίθαλψη, ιδιαίτερα στην αντιμετώπιση του φαινομένου της μικροβιακής αντοχής.

Βράβευση

Το Γ.Ν.Α. ΣΙΣΜΑΝΟΓΛΕΙΟ – ΑΜΑΛΙΑ ΦΛΕΜΙΓΚ Ν.Π.Δ.Δ. βραβεύτηκε με την μεγαλύτερη διάκριση (GOLD) στην κατηγορία Τεχνητή Νοημοσύνη (ΑΙ) για το θέμα με τίτλο Νέα Προτεινόμενη Τεχνική με Χρήση Μεθόδων Τεχνητής Νοημοσύνης / Μηχανικής Μάθησης για την Υποβοήθηση της Λήψης Απόφασης Εμπειρικής Θεραπείας στη Μ.Ε.Θ. του Νοσοκομείου «ΣΙΣΜΑΝΟΓΛΕΙΟ». Η βράβευση αυτή έγινε στα πλαίσια των Impact BITE Awards 2020, των βραβείων στα κορυφαία έργα Τεχνολογιών Πληροφοριών και Επικοινωνιών (ΤΠΕ) της χρονιάς που διοργανώνει για  ένατη συνεχή χρονιά η Boussias Communications, υπό την αιγίδα του Συνδέσμου Επιχειρήσεων Πληροφορικής & Επικοινωνιών Ελλάδας (ΣΕΠΕ) με έμφαση μεταξύ των άλλων στις πρωτοβουλίες αξιοποίησης συστημάτων τεχνητής νοημοσύνης και μεγάλων δεδομένων, αξιοποίηση υποδομών cloud, και ολοκληρωμένες πρωτοβουλίες ψηφιακού μετασχηματισμού. Η επιτροπή που αξιολόγησε τις υποψηφιότητες των βραβείων αποτελείται κυρίως από ακαδημαϊκούς και στελέχη μεγάλων εταιρειών του χώρου της Πληροφορικής. Η διοργάνωση τελεί υπό την υποστήριξη του Εργαστηρίου ELTRUN του Οικονομικού Πανεπιστημίου Αθηνών (ΟΠΑ), του Ελληνικού Ινστιτούτου Πληροφορικής & Επικοινωνιών (ΕΙΠ) και Hellenic CIO Forum της ΕΕΔΕ, AMMITEC, itSMF Hellas,  HePIS και PMI Greece. https://www.businessitawards.gr/

Φορέας: Γ.Ν.Α. "Σισμανόγλειο - Αμ.Φλεμιγκ"

Πεδίο εφαρμογής: Εσωτερική εφαρμογή σε συγκεκριμένο τμήμα ή οργανική μονάδα του φορέα

Τομέας πολιτικής: Υγεία

Έτος: 2019

Τύπος Καινοτομίας: Διαχείριση δεδομένων και λήψη αποφάσεων

Στάδιο Καινοτομίας: Πειραματική εφαρμογή

Ωφελούμενοι: Ασθενείς σε Νοσηλευτικά Ιδρύματα

Αποτελέσματα: εκτιμάται ότι θα ωφεληθούν περίπου 500 ασθενείς του νοσοκομείου

Πηγές Χρηματοδότησης: Δεν υπάρχει ακόμη πηγή χρηματοδότησης

Βράβευση: Χρυσό βραβείο στην κατηγορία της Τεχνητής Νοημοσύνης στο Impact BITE Awards 2020

URL: https://www.mdpi.com/2079-6382/9/2/50

Πόσο χρήσιμη βρίσκεις αυτήν την καινοτομία;

Πάτησε για να βαθμολογήσεις!

Μέση Βαθμολογία 5 / 5. Αριθμός ψήφων: 5

Καμία αξιολόγηση μέχρι στιγμής! Αξιολόγησε αυτήν την καινοτομία.

Πες μας τη γνώση σου για τη συγκεκριμένη καλή πρακτική!

Βοήθησέ μας να βελτιώσουμε αυτήν την δημοσίευση!

Εγγραφείτε στο newsletter
Σε περίπτωση δημοσίου υπαλλήλου, συμπλήρωσε το υπηρεσιακό σου email.