Novi algoritam umjetne inteligencije predviđa rizik od smrtnosti za pacijente koji pretrpe ozbiljnu ozljedu

Novi algoritam umjetne inteligencije predviđa rizik od smrtnosti za pacijente koji pretrpe ozbiljnu ozljedu

Znanstvenici s Odjela za traumatologiju i akutnu kritičnu medicinu Medicinskog fakulteta Sveučilišta u Osaki razvili su AI algoritam za predviđanje rizika od smrtnosti za pacijente s teškim ozljedama. Koristeći Japansku banku podataka o traumi za razdoblje od 2013. do 2017., uspjeli su dobiti evidenciju više od 70.000 pacijenata koji su pretrpjeli traumu tupim predmetom, što je istraživačima omogućilo da identificiraju kritične čimbenike koji bi mogli točnije voditi strategije liječenja.
Liječnici hitne pomoći moraju donositi odluke o životu i smrti brzo i često s vrlo ograničenim informacijama. Dio izazova je to što faktori koji predviđaju vjerojatnost nepovoljnih kliničkih ishoda nisu u potpunosti shvaćeni, a ponekad vlastite upalne promjene i promjene zgrušavanja krvi u tijelu kao odgovor na ozbiljne ozljede uzrokuju više štete nego koristi. Jasno je da je potreban rigorozniji i sveobuhvatniji pristup zbrinjavanju traume.
Sada je tim istraživača s Medicinskog fakulteta Sveučilišta u Osaki analizirao bazu podataka svih slučajeva traume zabilježenih u Japanu koristeći algoritme strojnog učenja. To uključuje podatke o pacijentu kao što su dob i vrsta ozljede. Dodatno, spektrometrija masa i proteomske analize provedene su na serumu pacijenata s traumom u bolnici u Osaki. To je pružilo više specifičnih informacija o krvnim markerima koji bi mogli ukazivati ​​na povećanje ili smanjenje određenih proteina.

Naša studija ima važne kliničke implikacije. Može pomoći u identificiranju pacijenata s najvećim rizikom koji bi mogli imati najviše koristi od rane intervencije.”

Jotaro Tachino, glavni autor studije, Medicinski fakultet Sveučilišta u Osaki

Tim je koristio hijerarhijsku klaster analizu podataka i otkrio da je 11 varijabli u najjačoj korelaciji s povećanim stopama smrtnosti, uključujući vrstu i težinu ozljede. Osim toga, vidjeli su da pacijenti s najvećim rizikom često imaju prekomjernu upalu ili čak akutni upalni odgovor. Također su pronašli proteinske markere koji signaliziraju smanjeno zgrušavanje, što je snažno povezano s negativnim ishodima.
"Metodologija koju smo koristili za ovaj projekt također se može proširiti na razvoj novih strategija liječenja i terapije za druge bolesti za koje su dostupni veliki skupovi podataka", kaže stariji autor Hiroshi Ogura. Ovaj rad može značajno optimizirati raspodjelu oskudnih resursa hitne zdravstvene skrbi kako bi se spasilo više ljudi. Tim se također nada da ovo istraživanje može pomoći u otkrivanju načina za smirivanje upalnih putova koji mogu izmaknuti kontroli nakon traumatskih ozljeda.

Izvor:

Sveučilište u Osaki

Referenca:

Tachino, J., et al. (2022) Razvoj kliničkih fenotipova i bioloških profila kroz proteomsku analizu pacijenata s traumom. Intenzivna njega. doi.org/10.1186/s13054-022-04103-z.

.