Ο νέος αλγόριθμος AI προβλέπει τον κίνδυνο θνησιμότητας για ασθενείς που υφίστανται σοβαρό τραυματισμό

Ο νέος αλγόριθμος AI προβλέπει τον κίνδυνο θνησιμότητας για ασθενείς που υφίστανται σοβαρό τραυματισμό

Επιστήμονες από το Τμήμα Τραυματολογίας και Οξείας Κρίσιμης Ιατρικής της Ιατρικής Σχολής του Πανεπιστημίου της Οσάκα ανέπτυξαν έναν αλγόριθμο AI για την πρόβλεψη του κινδύνου θνησιμότητας για ασθενείς με σοβαρούς τραυματισμούς. Χρησιμοποιώντας την Japan Trauma Data Bank για το 2013 έως το 2017, μπόρεσαν να αποκτήσουν αρχεία με περισσότερους από 70.000 ασθενείς που είχαν υποστεί τραύμα αμβλείας βίας, επιτρέποντας στους ερευνητές να εντοπίσουν κρίσιμους παράγοντες που θα μπορούσαν να καθοδηγήσουν με μεγαλύτερη ακρίβεια τις στρατηγικές θεραπείας.
Οι γιατροί ατυχημάτων στα επείγοντα πρέπει να λαμβάνουν αποφάσεις σχετικά με τη ζωή και τον θάνατο γρήγορα και συχνά με πολύ περιορισμένες πληροφορίες. Μέρος της πρόκλησης είναι ότι οι παράγοντες που προβλέπουν την πιθανότητα δυσμενών κλινικών εκβάσεων δεν είναι πλήρως κατανοητοί και μερικές φορές οι φλεγμονώδεις αλλαγές και οι αλλαγές στην πήξη του αίματος του ίδιου του σώματος ως απάντηση σε σοβαρό τραυματισμό προκαλούν περισσότερο κακό παρά καλό. Απαιτείται σαφώς μια πιο αυστηρή και ολοκληρωμένη προσέγγιση για τη φροντίδα του τραύματος.
Τώρα μια ομάδα ερευνητών από την Ιατρική Σχολή του Πανεπιστημίου της Οσάκα ανέλυσε μια βάση δεδομένων όλων των περιπτώσεων τραύματος που καταγράφηκαν στην Ιαπωνία χρησιμοποιώντας αλγόριθμους μηχανικής μάθησης. Αυτό περιελάμβανε πληροφορίες για τον ασθενή, όπως ηλικία και είδος τραυματισμού. Επιπλέον, πραγματοποιήθηκαν φασματομετρία μάζας και πρωτεομικές αναλύσεις σε ορό ασθενών με τραύματα στο νοσοκομείο της Οσάκα. Αυτό παρείχε πιο συγκεκριμένες πληροφορίες σχετικά με δείκτες αίματος που θα μπορούσαν να υποδεικνύουν αύξηση ή μείωση σε ορισμένες πρωτεΐνες.

Η μελέτη μας έχει σημαντικές κλινικές επιπτώσεις. Μπορεί να βοηθήσει στον εντοπισμό των ασθενών με υψηλότερο κίνδυνο που θα μπορούσαν να ωφεληθούν περισσότερο από την έγκαιρη παρέμβαση».

Jotaro Tachino, επικεφαλής συγγραφέας της μελέτης, Graduate School of Medicine, Πανεπιστήμιο της Οσάκα

Η ομάδα χρησιμοποίησε ιεραρχική ανάλυση συστάδων των δεδομένων και διαπίστωσε ότι 11 μεταβλητές συσχετίστηκαν ισχυρότερα με αυξημένα ποσοστά θνησιμότητας, συμπεριλαμβανομένου του τύπου και της σοβαρότητας του τραυματισμού. Επιπλέον, είδαν ότι οι ασθενείς με υψηλότερο κίνδυνο είχαν συχνά υπερβολική φλεγμονή ή ακόμη και οξεία φλεγμονώδη απόκριση. Βρήκαν επίσης πρωτεϊνικούς δείκτες που σηματοδοτούσαν μειωμένη πήξη, η οποία συσχετίστηκε έντονα με αρνητικά αποτελέσματα.
«Η μεθοδολογία που χρησιμοποιήσαμε για αυτό το έργο μπορεί επίσης να επεκταθεί στην ανάπτυξη νέων στρατηγικών θεραπείας και θεραπειών για άλλες ασθένειες για τις οποίες υπάρχουν μεγάλα σύνολα δεδομένων», λέει ο ανώτερος συγγραφέας Hiroshi Ogura. Αυτή η εργασία μπορεί να βελτιστοποιήσει σημαντικά την κατανομή των σπάνιων πόρων υγειονομικής περίθαλψης ER για να σωθούν περισσότεροι άνθρωποι. Η ομάδα ελπίζει επίσης ότι αυτή η έρευνα μπορεί να βοηθήσει στην αποκάλυψη τρόπων ηρεμίας των φλεγμονωδών οδών που μπορεί να ξεφύγουν από τον έλεγχο μετά από τραυματικούς τραυματισμούς.

Πηγή:

Πανεπιστήμιο της Οσάκα

Αναφορά:

Tachino, J., et αϊ. (2022) Ανάπτυξη κλινικών φαινοτύπων και βιολογικών προφίλ μέσω πρωτεομικής ανάλυσης ασθενών με τραύμα. Εντατική θεραπεία. doi.org/10.1186/s13054-022-04103-z.

.