การพัฒนาเครื่องมือเพื่อประเมินความเสี่ยงทางคลินิกของผู้ป่วยหนักด้วยกระบวนการเรียนรู้ด้วยเครื่อง โดยใช้ฐานข้อมูลผู้ป่วยหนักเพื่อการวิจัยของโรงพยาบาลสงขลานครินทร์

Abstract

ผู้ป่วยที่เข้ารับการรักษาตัวในหอผู้ป่วยวิฤตมีความเสี่ยงต่อการเสื่อมสภาพทางคลินิก เช่น ภาวะหัวใจล้มเหลว ภาวะหัวใจขาดเลือด โดยส่วนใหญ่แพทย์และพยาบาลจะประเมินอาการของผู้ป่วยโดยใช้ข้อมูลทางคลินิก ข้อมูลทางพยาธิวิทยาร่วมกับทางสรีรวิทยา บ่อยครั้งที่ภาวการณ์ทรุดตัวและความผิดปกติของผู้ป่วยนั้นไม่แสดงออกมาโดยตรงทำให้เกิดความล่าช้าในการประเมินความเสี่ยงของผู้ป่วยและการตอบสนองต่อการเปลี่ยนแปลงอาการของผู้ป่วย ทำให้อาจจะนำไปสู่ภาวการณ์เจ็บป่วยที่รุนแรงขึ้นและการสูญเสียชีวิตได้ โดยปกติแล้วผู้ป่วยที่ถูกรักษาตัวในหอผู้ป่วยวิกฤตจะถูกประเมินโดยใช้สัญญาณเตือนภาวะวิกฤต หรือ Early Warning Scores (EWS) ซึ่งเป็นเครื่องมือทางคลินิกที่ถูกใช้กันมากในการประเมินระดับความรุนแรงของผู้ป่วยจากข้อมูลทางสรีระวิทยา ได้แก่ ความดันโลหิตตัวบน อัตราการเต้นของหัวใจ อัตราการหายใจ อุณหภูมิร่างกายและระดับความรู้สึกตัว เพื่อเป็นแนวทางในการติดตามผู้ป่วยและให้ความช่วยเหลือได้อย่างทันที ในปัจจุบันความก้าวหน้าของปัญญาประดิษฐ์ทำให้สามารถวิเคราะห์และค้นหาข้อมูลทางการแพทย์ที่รวบรวมไว้แล้วในระบบเวชระเบียนผู้ป่วยในโรงพยาบาล เพื่อหาความสัมพันธ์ของเหตุการณ์ต่างๆ ที่เปลี่ยนแปลงไปตามในช่วงเวลานั้นๆ สำหรับใช้ในการทำนายความเสี่ยงของผู้ป่วย เช่น การทำนายการเสื่อมสภาพทางคลินิก หรือภาวะหัวใจหยุดเต้นกะทันหัน ซึ่งการพัฒนาปัญญาประดิษฐ์นี้สามารถช่วยลดอัตราการเสียชีวิตของผู้ป่วยและยังช่วยสนับสนุนการตัดสินใจของแพทย์ได้ ซึ่งอาจจะทำให้กระบวนการรักษาผู้ป่วยปลอดภัยขึ้นได้ งานวิจัยนี้มุ่งเน้นไปที่การรวบรวมข้อมูลเพื่อสร้างฐานข้อมูลผู้ป่วยวิกฤตเพื่อการวิจัยของโรงพยาบาลสงขลานครินทร์ Songklanagarind’s Critical Care Database ซึ่งจะเป็นฐานข้อมูลขนาดใหญ่ที่มีข้อมูลของผู้ป่วยวิกฤต โดยอิงข้อมูลจากฐานข้อมูลสาธารณะ ได้แก่ MIMIC Critical Care Database หรือ eICU Collaborative Research Database ของ MIT และการพัฒนาอัลกอริทึมการเรียนรู้ของเครื่อง (Machine Learning) สำหรับการประเมินความเสี่ยงทางคลินิกของผู้ป่วยหนัก โดยใช้ตัวแปรข้อมูลทางสรีรวิทยาจากระบบฐานข้อมูลของโรงพยาบาล และระบบติดตามผู้ป่วยส่วนกลาง (Patient Monitoring Systems) โดยใช้ชุดข้อมูลสาธารณะ (Public Datasets) ร่วมกับ Songklanagarind’s Critical Care Database ซึ่งจะทำให้อัลกอริทึมที่ได้สามารถทำงานได้จริงในเชิงคุณภาพของโรงพยาบาลสงขลานครินทร์