Ny AI-algoritme forutsier dødelighetsrisiko for pasienter som lider av en alvorlig skade

Ny AI-algoritme forutsier dødelighetsrisiko for pasienter som lider av en alvorlig skade

Forskere fra avdelingen for traumatologi og akutt kritisk medisin ved Osaka University Graduate School of Medicine har utviklet en AI-algoritme for å forutsi dødelighetsrisiko for pasienter med alvorlige skader. Ved å bruke Japan Trauma Data Bank for 2013 til 2017, var de i stand til å skaffe journaler over over 70 000 pasienter som hadde lidd av stump kraft traumer, noe som gjorde det mulig for forskere å identifisere kritiske faktorer som kunne styre behandlingsstrategier mer nøyaktig.
Ulykkesleger på legevakt må ta beslutninger om liv og død raskt og ofte med svært begrenset informasjon. En del av utfordringen er at faktorene som forutsier sannsynligheten for uønskede kliniske utfall ikke er fullt ut forstått, og noen ganger forårsaker kroppens egne betennelses- og blodproppforandringer som svar på alvorlig skade mer skade enn nytte. En mer streng og omfattende tilnærming til traumeomsorg er helt klart nødvendig.
Nå har et team av forskere fra Osaka University Graduate School of Medicine analysert en database over alle traumetilfeller registrert i Japan ved hjelp av maskinlæringsalgoritmer. Dette inkluderte pasientinformasjon som alder og type skade. I tillegg ble det utført massespektrometri og proteomiske analyser på serum fra traumepasienter ved Osaka sykehus. Dette ga mer spesifikk informasjon om blodmarkører som kunne indikere en økning eller reduksjon i visse proteiner.

Vår studie har viktige kliniske implikasjoner. Det kan bidra til å identifisere pasientene med høyest risiko som kan ha størst nytte av tidlig intervensjon.»

Jotaro Tachino, hovedforfatter av studien, Graduate School of Medicine, Osaka University

Teamet brukte hierarkisk klyngeanalyse av dataene og fant at 11 variabler var sterkest korrelert med økt dødelighet, inkludert type og alvorlighetsgrad av skade. I tillegg så de at pasienter med høyest risiko ofte hadde overdreven betennelse eller til og med en akutt inflammatorisk respons. De fant også proteinmarkører som signaliserte nedregulert koagulering, noe som var sterkt assosiert med negative utfall.
"Metodikken vi brukte for dette prosjektet kan også utvides til utvikling av nye behandlingsstrategier og terapier for andre sykdommer som store datasett er tilgjengelige for," sier seniorforfatter Hiroshi Ogura. Dette arbeidet kan i betydelig grad optimere allokeringen av knappe akuttmedisinske ressurser for å redde flere mennesker. Teamet håper også denne forskningen kan bidra til å avsløre måter å roe inflammatoriske veier som kan komme ut av kontroll etter traumatiske skader.

Kilde:

Osaka universitet

Referanse:

Tachino, J., et al. (2022) Utvikling av kliniske fenotyper og biologiske profiler gjennom proteomisk analyse av traumepasienter. Intensivbehandling. doi.org/10.1186/s13054-022-04103-z.

.