Mae tîm ymchwil ym Mhrifysgol Abertawe wedi datblygu ‘efaill digidol’ i helpu i flaenoriaethu cleifion ar gyfer gofal dwys brys a chefnogaeth peiriant anadlu.
Byddai’r system newydd arloesol hon yn golygu y gallai cleifion gael eu gweld yn gynt, o bosib, a derbyn y driniaeth fwyaf effeithiol ar sail data gan ddioddefwyr niwmonia blaenorol.
Mae system tair haen y tîm yn defnyddio dulliau dysgu dwfn i adeiladu efeilliaid digidol claf-benodol er mwyn canfod a blaenoriaethu achosion critigol ymhlith cleifion niwmonia difrifol.
Efaill digidol yw cynrychiolaeth rithwir (neu raglen gyfrifiadurol) o system neu gynnyrch sy’n bodoli yn y byd go iawn – mae’n cael ei ddiweddaru o ddata amser go iawn, ac yn defnyddio efelychu, dysgu peiriant a rhesymeg i helpu gyda phenderfyniadau.
Dyma sylwadau’r Athro Perumal Nithiarasu, Awdur a Deon Cysylltiol Ymchwil, Arloesi ac Effaith yn y Gyfadran Gwyddoniaeth a Pheirianneg:
“Efaill digidol i berson dynol yw replica digidol o system neu is-system ddynol. Mae’r replica a greir yn gynrychiolaeth ddigidol wedi’i phersonoli, a hynny o ran strwythur neu weithrediad system unigolyn neu glaf, neu’r ddwy elfen.
Gall ddarparu adborth amser go iawn ar sut mae iechyd claf yn debygol o amrywio ar sail eu cyflwr hysbys presennol, gan ddefnyddio data mewnbwn cyfnodol o arwyddion bywyd y claf (megis cyfradd curiad y galon, cyfradd anadlu).
Gall y sgoriau difrifoldeb a gyfrifir gan y replicâu (modelau) hyn, sydd wedi’u personoli i bob claf gan ddefnyddio arwyddion bywyd yr unigolyn a darlleniadau eraill, fod yn sylfaen ar gyfer blaenoriaethu cleifion niwmonia posibl i Unedau Therapi Dwys (ITUs) a pheiriannau anadlu.
Defnyddir y strategaeth tair haen a gynigir i gynhyrchu mynegeion difrifoldeb er mwyn:
(1) adnabod achosion brys,
(2) neilltuo gofal critigol ac anadlyddion mecanyddol, a
(3) dod â’r anadlu mecanyddol a’r gofal critigol i ben ar yr amser delfrydol.
Y mynegeion difrifoldeb a gyfrifwyd yn yr astudiaeth bresennol yw tebygolrwydd marwolaeth a thebygolrwydd yr angen am anadlydd mecanyddol. Mae’r rhain yn golygu bod modd cynhyrchu rhestrau blaenoriaethu cleifion ac yn hwyluso llif dirwystr cleifion i mewn i Unedau Therapi Dwys ac allan ohonynt.
Mae’r efaill digidol arfaethedig wedi’i adeiladu ar fodelau dysgu dwfn a hyfforddwyd ymlaen llaw, gan ddefnyddio data o fwy na 1895 o gleifion niwmonia. At ei gilydd, mae’r canlyniadau yn dangos bod y rhagolygon blaenoriaethu ar gyfer Uned Therapi Dwys ac anadlydd mecanyddol yn rhagorol.
Mae’r data a ddefnyddir i hyfforddi’r modelau yn dod o gleifion heb COVID-19 sydd â niwmonia, ac mae modd defnyddio’r model hwn yn ei ffurf bresennol ar gyfer cleifion COVID-19, ond bydd trosglwyddo dysgu ar ffurf data cleifion COVID-19 yn gwella’r rhagfynegiadau.”
Fel mae Cyd-awdur a Chymrawd IMPACT, Dr Neeraj Kavan Chakshu, yn dweud:
“Mae pandemig COVID-19 wedi rhoi straen na welwyd ei debyg ar seilwaith gofal iechyd a oedd eisoes dan straen. Mae’r sefyllfa hon wedi gorfodi darparwyr gofal iechyd i roi blaenoriaeth i gleifion sydd mewn angen critigol er mwyn cael mynediad i Unedau Therapi Dwys (ITUs) a pheiriannau anadlu mecanyddol.
Mae gwaith blaenorol ar sgorio difrifoldeb yn defnyddio algorithmau dysgu peiriant a hyfforddwyd ar setiau data ITU mawr er mwyn cyfrifo sgoriau difrifoldeb, gan gwmpasu ystod eang o afiechydon a chyflyrau meddygol. Efallai na fydd systemau o’r fath, er eu bod yn werthfawr mewn cyfnodau normal, yn ddigon penodol i ymdrin â’r pandemig.
Yn achos COVID-19 (a mathau eraill tebyg o ffliw) gallai fod angen system fwy manwl gywir sy’n esblygu’n ddeinamig i ymdrin â’r cynnydd sydyn mewn difrifoldeb a’r angen am anadlyddion mecanyddol.
Gan fod posibilrwydd y bydd mwy o fwtaniadau o’r feirws yn cael eu nodi gydag amser, mae gwybodaeth sy’n esblygu am ddifrifoldeb salwch pob amrywiad ar y feirws wedi dod yn eithriadol o bwysig. O ganlyniad, mae angen model cadarn, y mae modd ei addasu, sy’n cymryd i ystyriaeth gynnydd difrifoldeb yn ystod y cyfnod gofal, a hynny ar frys, a gallai fod yn wahanol ar gyfer gwahanol amrywiadau o’r afiechyd.”
Cyhoeddwyd y papur, "An AI based digital-twin for prioritising pneumonia patient treatment", yn y ‘Journal of Engineering in Medicine’.
Cefnogwyd yr ymchwil yn rhannol gan Sêr Cymru III – Rhaglen taclo COVID-19, Llywodraeth Cymru. Ariannir rhaglen IMPACT yn rhannol gan Gronfa Datblygu Rhanbarthol Ewrop trwy Lywodraeth Cymru a Phrifysgol Abertawe.