Az új mesterségesintelligencia-algoritmus megjósolja a súlyos sérülést szenvedett betegek halálozási kockázatát

Az új mesterségesintelligencia-algoritmus megjósolja a súlyos sérülést szenvedett betegek halálozási kockázatát

Az Osaka Egyetem Orvostudományi Karának Traumatológiai és Akut Kritikus Orvostudományi Tanszékének tudósai mesterséges intelligencia algoritmust fejlesztettek ki a súlyos sérülést szenvedett betegek halálozási kockázatának előrejelzésére. A Japan Trauma Data Bank 2013 és 2017 közötti időszakra vonatkozóan több mint 70 000 olyan betegről tudtak feljegyzéseket szerezni, akik tompa erőszakos traumát szenvedtek el, így a kutatók azonosíthatják azokat a kritikus tényezőket, amelyek pontosabban irányíthatják a kezelési stratégiákat.
A sürgősségi osztályokon dolgozó baleseti orvosoknak gyorsan és gyakran nagyon korlátozott információk birtokában kell döntéseket hozniuk életről és halálról. A kihívás része, hogy a kedvezőtlen klinikai kimenetelek valószínűségét előrejelző tényezőket nem teljesen értjük, és néha a szervezet saját gyulladásos és véralvadási változásai a súlyos sérülésekre válaszul több kárt okoznak, mint használnak. Egyértelműen szigorúbb és átfogóbb megközelítésre van szükség a traumaellátásban.
Az Osaka Egyetem Orvostudományi Karának kutatóiból álló csapat most gépi tanulási algoritmusok segítségével elemezte a Japánban rögzített összes traumaeset adatbázisát. Ez magában foglalta a páciensre vonatkozó információkat, például az életkort és a sérülés típusát. Ezenkívül tömegspektrometriát és proteomikai elemzéseket végeztek az oszakai kórház traumás betegek szérumán. Ez konkrétabb információkat nyújtott a vérmarkerekről, amelyek bizonyos fehérjék növekedését vagy csökkenését jelezhetik.

Tanulmányunknak fontos klinikai vonatkozásai vannak. Segíthet azonosítani azokat a legmagasabb kockázatú betegeket, akik a legtöbbet profitálhatnak a korai beavatkozásból.”

Jotaro Tachino, a tanulmány vezető szerzője, Graduate School of Medicine, Osaka University

A csapat az adatok hierarchikus klaszteranalízisét alkalmazta, és azt találta, hogy 11 változó korrelált a legerősebben a megnövekedett halálozási arányokkal, beleértve a sérülés típusát és súlyosságát. Ezenkívül azt látták, hogy a legnagyobb kockázatnak kitett betegeknél gyakran túlzott gyulladás vagy akár akut gyulladásos reakció is volt. Olyan fehérjemarkereket is találtak, amelyek csökkentett véralvadást jeleztek, ami erősen összefügg a negatív kimenetelekkel.
„A projekthez használt módszertan kiterjeszthető más betegségek új kezelési stratégiáinak és terápiáinak kidolgozására is, amelyekről nagy adatkészletek állnak rendelkezésre” – mondja Hiroshi Ogura vezető szerző. Ez a munka jelentősen optimalizálhatja a szűkös sürgősségi egészségügyi erőforrások elosztását több ember megmentése érdekében. A csapat azt is reméli, hogy ez a kutatás segíthet feltárni a gyulladásos utak megnyugtatásának módjait, amelyek a traumás sérülések után kicsúszhatnak az irányítás alól.

Forrás:

Osaka Egyetem

Referencia:

Tachino, J. és mtsai. (2022) Klinikai fenotípusok és biológiai profilok fejlesztése traumás betegek proteomikai elemzésével. Intenzív ellátás. doi.org/10.1186/s13054-022-04103-z.

.