Számos bizonyíték utal arra, hogy az alvás szerepet játszik különböző emlékezeti rendszerek konszolidációjában. Kevesebbet tudunk arról, hogy milyen szerepe van az alvásnak a relációs memória műkö­désé­ben, illetve az érzelmi arckifejezések felismerésében, holott ez olyan fundamentális kognitív képesség, amit mindennap használunk. Ezért kutatásunk célja annak feltérképe­zése, hogy az alvás milyen szerepet tölt be az asszociációs memória működésében annak függvényében, hogy mikor történik a tanulás. Vizsgálatunkban összesen 84 fő vett részt [átlagéletkor: 22,36 (SD: 3,22), 21 férfi/63 nő], akiket két csoportra osztottunk: esti és reggeli csoportokra, utalva arra, hogy mikor történt a tanulás. Mindkét csoport eseté­ben két tesztfelvétel volt, közvetlenül a tanulást követően (rövid távú tesztelés) és 24 órával később (hosszú távú tesztelés). A relációs memória vizsgálatára az arcok és nevek tesztet alkalmaztuk. Sem az azonnali, sem a késleltetett tesz­telés során nem találtunk különbséget a csoportok között sem az általános tanulási mutatóban (arcokhoz társított nevekre való emlékezés érzelmi valenciától függetlenül), sem a különböző érzelmi arckifejezésekhez kapcsolódó nevekre való emlékezésben. Ezzel ellentétben, a csoporton belüli elemzés alapján a reggeli csoport a rövid távú teszteléshez képest nagyobb mértékű felejtést mutatott 24 órával később, a hosszú távú tesztelésen, míg az esti csoport ugyanolyan teljesítményt mutatott mindkét alkalommal. Emellett összefüggés jelent meg a teljesítmény, az alvásminőség, az alváshatékonyság és az alváslatencia között. Eredményeink arra hívják fel a figyelmet, hogy az alvás és a tanulás időzítése fontos szerepet játszik az emlékek stabilizációjában, csökkentve ezzel a felejtés mértékét.

Mi köze a gónak a klinikai döntéshozatalhoz? A klinikai orvoslás egyik legjelentősebb intellektuális kihívása a bizonytalanságban történő döntéshozatal. A hagyományos orvosi döntéshozatal intuitív és heurisztikus mivoltának pszichológiai csapdáin kívül az információhiány, az erőforrások szűkössége, az adott orvos-beteg kapcsolat jellemzői egyaránt hozzájárulnak annak bizonytalanságához. A formális, matematikai számításokon alapuló döntéselemzés, amelyet széles körben használnak a klinikai irányelvek fejlesztésében, illetve az egészségügyi technológiák értékelésében, elvben jó lehetőségeket kínál az intuitív dön­téshozatal hibáinak elkerülésére, ugyan­akkor az egyéni döntési helyzetekben többnyire nehezen alkalmazható,és az orvosok többségétől idegen. Ennek a módszernek is vannak korlátai, különösen az egyéni döntéshozatalban, beleértve a számításokhoz felhasznált input adatok esetleges hiányát, illetve jelentős bizonytalanságát, valamint a matematikai modellek korlátait abban, hogy egy komplex rendszer folyamatait és a folyamatok egyéni variabilitását megfelelően tudják reprezentálni. A klinikai döntéstámogató rendszerek mindezek ellenére hasznos segítséget jelenthetnek az egyéni orvosi döntéshozatalban, ha megfelelően integráltak az egészségügyi információs rendszerekbe, és nem szüntetik meg az orvosok döntési autonómiáját. A klasszikus döntéstámogató rendszerek tu­dásalapúak, szabályrendszerekre, problé­ma­­specifikus algoritmusokra épülnek. Szá­mos területen alkalmazzák az orvosi adminisztrációtól a képfeldolgozásig. A nap­jainkban zajló informatikai forradalom eredményeképpen olyan mesterséges intelligenciaként emlegetett gépi tanulási módszerek jönnek létre, amelyek már ténylegesen képesek tanulni. A mesterséges intelligencia ezen új generációja nem konkrét szabályrendszerekre épül, hanem hatalmas adatbázisokon magukat tanító neurális hálózatokra és általános tanulási algoritmusokra. Ezek a mesterséges intelligenciák egyes területeken, mint például a sakk, a gó, vagy a va­dászrepülőgép vezetése, már jobb teljesítményre képesek, mint az em­berek. Fej­lesztésük bővelkedik kihívásokban, veszélyekben, ugyanakkor olyan technológiai át­törést jelentenek, ami megállíthatatlan és át­alakítja világunkat. Alkal­mazásuk és fej­lesztésük az egészségügyben is megkezdődött. A szakmának részt kell vennie ezek­ben a fejlesztésekben és megfelelő irányba kell, hogy terelje azokat. Lee Sedol 18-szoros gónagymester visszavonult há­rom évvel AlphaGo mesterséges intelligenciától elszenvedett veresége után, mert „Hiá­ba lettem világelső, van egy entitás, amit nem lehet legyőzni”. Ne­künk szerencsére nem versengenünk vagy győznünk kell, hanem el kell érnünk, hogy a mesterséges intelligencia biztonságos és megbízható legyen és az emberekkel együtt­mű­ködve ez az entitás eredményesebbé és hatékonyabbá tegye az egészségügyet.

[A myasthenia gravis (MG) a neuromuscularis junctio autoimmun típusú megbetegedése. Az auto­nóm rendellenességeket nem gyakran társítják myasthenia gravishoz. A vizsgálat célja az volt, hogy megállapítsuk, milyen autonóm működés jellemzi az MG-betegek különböző alcsoportjait, és megvizsgáljuk az acetilkolinészteráz-inhibitorok hatásait. A vizsgálatba 30 autoimmun MG-beteget és 30 egészséges önkéntest vontunk be. Az autonóm műkö­dés tesztelése érdekében szimpatikus bőrreakció (SSR) és R-R intervallumvariáció analízis (RRIV) vizsgálatokat végez­tünk. Az acetilkolinészteráz-inhibitor-kezelésben részesülő betegek körében kétszer végeztük el a vizsgálatokat. Az RRIV hiperventiláció alatti növekedése nagyobb (p = 0,006) és a Valsalva-arány alacsonyabb (p = 0,039) volt a kontrollcsoport tagjainál. Az SSR-amp­litúdók alacsonyabbak voltak a gyógyszer bevétele után (p = 0,030). A gyógyszer bevétele után eltelt idő növeke­dé­sével megnyúlt SSR-látenciákat kaptunk (p = 0,043). A Valsalva-arány alacsonyabb volt az AchR antitestre negatív csoportban (p = 0,033). Mind az okuláris, mind a generalizált MG-betegek körében szubklinikus paraszimpatikus rend­ellenesség mutatható ki, különösen az AchR antitestre nega­tív csoportban. A piridostigmin perifériás szimpatikus ko­linerg nonkumulatív hatással rendelkezik.]

Az egészségügyben dolgozók megtartása és a pályaválasztás ösztönzése is célja annak az életpályamodell-tervezetnek, amely a kormány jóváhagyására vár. Az előterjesztés kidolgozásában, véleményezésében a Magyar Egészségügyi Szakdolgozói Kamara (MESZK) is részt vett. A részletekről Balogh Zoltán elnököt kérdeztük.

Ugyan már fiatal felnőttként, 26 évesen megtalálta igazi útját, de onnantól nem is volt kérdés: a legjobb helyen van. Egy kis faluból jött a fővárosba, ahol megtanulva a „túlélés” szabályait, munkájában minden, amit otthonról hozott, csak a hasznára vált. Neki és a betegeknek is. A szeretet, az egymásra figyelés, az alázat és a kitartás. Mindig is szerette a betegeit, gondozottjait, ha hívták – lehetett vele és körülötte bármi –, mindig ment. Mert ezt így tartotta magától értetődőnek. Sári József, a Magyar Egészségügyi Szakdolgozói Kamara (MESZK) Országos Szervezet Elnökségének 2019. évi szakmai díjazottja. 36 év munkáját ismerték most el.