Uus tehisintellekti algoritm ennustab tõsiste vigastustega patsientide suremuse riski

Uus tehisintellekti algoritm ennustab tõsiste vigastustega patsientide suremuse riski

Osaka ülikooli meditsiinikooli traumatoloogia ja ägeda kriitilise meditsiini osakonna teadlased on välja töötanud AI algoritmi, et ennustada raskete vigastustega patsientide suremusriski. Kasutades Jaapani traumade andmepanka aastateks 2013–2017, suutsid nad hankida andmed enam kui 70 000 patsiendi kohta, kes olid kannatanud nüri jõuga trauma, võimaldades teadlastel tuvastada kriitilisi tegureid, mis võiksid ravistrateegiaid täpsemalt suunata.
Erakorralise meditsiini osakondades töötavad avariiarstid peavad elu ja surma kohta otsuseid langetama kiiresti ja sageli väga piiratud teabega. Osa väljakutsest seisneb selles, et ebasoodsate kliiniliste tagajärgede tõenäosust ennustavaid tegureid ei mõisteta täielikult ning mõnikord põhjustavad keha enda põletikulised ja verehüübimise muutused vastusena tõsistele vigastustele rohkem kahju kui kasu. Kindlasti on vaja rangemat ja terviklikumat lähenemist traumaravile.
Nüüd on Osaka ülikooli meditsiinikooli teadlaste meeskond masinõppe algoritme kasutades analüüsinud kõigi Jaapanis registreeritud traumajuhtumite andmebaasi. See hõlmas teavet patsiendi kohta, nagu vanus ja vigastuse tüüp. Lisaks viidi Osaka haigla traumapatsientide seerumile läbi massispektromeetria ja proteoomilised analüüsid. See andis täpsemat teavet veremarkerite kohta, mis võivad viidata teatud valkude suurenemisele või vähenemisele.

Meie uuringul on oluline kliiniline mõju. See võib aidata tuvastada kõrgeima riskiga patsiente, kes võiksid varajasest sekkumisest kõige rohkem kasu saada.

Jotaro Tachino, uuringu juhtiv autor, Osaka ülikooli meditsiinikool

Töörühm kasutas andmete hierarhilist klasteranalüüsi ja leidis, et 11 muutujat olid kõige tugevamalt korrelatsioonis suurenenud suremusega, sealhulgas vigastuse tüüp ja raskusaste. Lisaks nägid nad, et kõrgeima riskiga patsientidel oli sageli liigne põletik või isegi äge põletikuline reaktsioon. Samuti leidsid nad valgumarkereid, mis andsid märku alareguleeritud hüübimisest, mis oli tugevalt seotud negatiivsete tulemustega.
"Selle projekti jaoks kasutatud metoodikat saab laiendada ka uute ravistrateegiate ja ravimeetodite väljatöötamisele muude haiguste jaoks, mille kohta on saadaval suured andmekogumid, " ütleb vanemautor Hiroshi Ogura. See töö võib märkimisväärselt optimeerida nappide esmaabi tervishoiuressursside jaotamist, et säästa rohkem inimesi. Meeskond loodab ka, et see uuring võib aidata paljastada viise, kuidas rahustada põletikulisi teid, mis võivad pärast traumaatilisi vigastusi kontrolli alt väljuda.

Allikas:

Osaka ülikool

Viide:

Tachino, J. et al. (2022) Kliiniliste fenotüüpide ja bioloogiliste profiilide arendamine traumapatsientide proteoomilise analüüsi kaudu. Intensiivravi. doi.org/10.1186/s13054-022-04103-z.

.