Jaunais AI algoritms paredz mirstības risku pacientiem, kuri guvuši nopietnus ievainojumus

Jaunais AI algoritms paredz mirstības risku pacientiem, kuri guvuši nopietnus ievainojumus

Osakas Universitātes Medicīnas skolas Traumatoloģijas un akūtās kritiskās medicīnas nodaļas zinātnieki ir izstrādājuši AI algoritmu, lai prognozētu mirstības risku pacientiem ar smagiem ievainojumiem. Izmantojot Japānas traumu datu banku laika posmam no 2013. līdz 2017. gadam, viņi varēja iegūt ierakstus par vairāk nekā 70 000 pacientu, kuri bija guvuši trulas traumas, ļaujot pētniekiem noteikt kritiskos faktorus, kas varētu precīzāk vadīt ārstēšanas stratēģijas.
Nelaimes gadījumu ārstiem neatliekamās palīdzības nodaļās ir jāpieņem lēmumi par dzīvību un nāvi ātri un bieži vien ar ļoti ierobežotu informāciju. Daļa no izaicinājuma ir tāda, ka faktori, kas paredz nelabvēlīgu klīnisko iznākumu iespējamību, nav pilnībā izprasti, un dažreiz paša organisma iekaisuma un asins recēšanas izmaiņas, reaģējot uz nopietniem ievainojumiem, rada vairāk kaitējuma nekā labuma. Noteikti ir nepieciešama stingrāka un visaptverošāka pieeja traumu aprūpei.
Tagad Osakas Universitātes Medicīnas augstskolas pētnieku komanda ir analizējusi visu Japānā reģistrēto traumu gadījumu datubāzi, izmantojot mašīnmācīšanās algoritmus. Tas ietvēra pacienta informāciju, piemēram, vecumu un traumas veidu. Turklāt Osakas slimnīcā traumas pacientu serumam tika veikta masas spektrometrija un proteomiskās analīzes. Tas sniedza precīzāku informāciju par asins marķieriem, kas varētu norādīt uz noteiktu olbaltumvielu palielināšanos vai samazināšanos.

Mūsu pētījumam ir svarīga klīniska ietekme. Tas var palīdzēt identificēt visaugstākā riska pacientus, kuri varētu gūt vislielāko labumu no agrīnas iejaukšanās.

Jotaro Tachino, pētījuma vadošais autors, Osakas Universitātes Medicīnas augstskola

Komanda izmantoja datu hierarhisku klasteru analīzi un konstatēja, ka 11 mainīgie bija visspēcīgāk korelēti ar paaugstinātu mirstības līmeni, tostarp traumas veidu un smagumu. Turklāt viņi redzēja, ka pacientiem ar visaugstāko risku bieži bija pārmērīgs iekaisums vai pat akūta iekaisuma reakcija. Viņi arī atrada olbaltumvielu marķierus, kas signalizēja par samazinātu recēšanu, kas bija cieši saistīta ar negatīviem rezultātiem.
"Šajā projektā izmantoto metodiku var paplašināt, lai izstrādātu jaunas ārstēšanas stratēģijas un terapijas citām slimībām, par kurām ir pieejamas lielas datu kopas," saka vecākais autors Hiroshi Ogura. Šis darbs var ievērojami optimizēt ierobežoto ER veselības aprūpes resursu piešķiršanu, lai glābtu vairāk cilvēku. Komanda arī cer, ka šis pētījums var palīdzēt atklāt veidus, kā nomierināt iekaisuma ceļus, kas var izkļūt no kontroles pēc traumatiskiem ievainojumiem.

Avots:

Osakas universitāte

Atsauce:

Tachino, J., et al. (2022) Klīnisko fenotipu un bioloģisko profilu attīstība, izmantojot traumu pacientu proteomisko analīzi. Intensīvā aprūpe. doi.org/10.1186/s13054-022-04103-z.

.