Nov algoritem umetne inteligence napoveduje smrtno tveganje za bolnike, ki utrpijo resno poškodbo

Nov algoritem umetne inteligence napoveduje smrtno tveganje za bolnike, ki utrpijo resno poškodbo

Znanstveniki z Oddelka za travmatologijo in akutno kritično medicino na Medicinski fakulteti Univerze v Osaki so razvili algoritem umetne inteligence za napovedovanje tveganja smrtnosti pri bolnikih s hudimi poškodbami. Z uporabo japonske podatkovne banke o travmah za leta 2013 do 2017 so lahko pridobili zapise več kot 70.000 pacientov, ki so utrpeli travmo s topim predmetom, kar je raziskovalcem omogočilo, da identificirajo kritične dejavnike, ki bi lahko natančneje usmerjali strategije zdravljenja.
Zdravniki v oddelkih za nujno pomoč se morajo odločiti o življenju in smrti hitro in pogosto z zelo omejenimi informacijami. Del izziva je, da dejavniki, ki napovedujejo verjetnost neželenih kliničnih izidov, niso popolnoma razumljeni in včasih lastne vnetne spremembe in spremembe strjevanja krvi kot odziv na resno poškodbo povzročijo več škode kot koristi. Očitno je potreben strožji in celovitejši pristop k oskrbi travm.
Zdaj je skupina raziskovalcev z Medicinske fakultete Univerze v Osaki analizirala bazo podatkov o vseh primerih travm, zabeleženih na Japonskem, z uporabo algoritmov strojnega učenja. To je vključevalo podatke o bolniku, kot sta starost in vrsta poškodbe. Poleg tega so bile izvedene masna spektrometrija in proteomske analize na serumu bolnikov s travmo v bolnišnici Osaka. To je zagotovilo natančnejše informacije o krvnih označevalcih, ki bi lahko kazali na povečanje ali zmanjšanje določenih beljakovin.

Naša študija ima pomembne klinične posledice. Pomaga lahko prepoznati bolnike z največjim tveganjem, ki bi jim lahko najbolj koristila zgodnja intervencija."

Jotaro Tachino, glavni avtor študije, Medicinska fakulteta Univerze v Osaki

Skupina je uporabila hierarhično skupinsko analizo podatkov in ugotovila, da je 11 spremenljivk najmočneje povezanih s povečano stopnjo umrljivosti, vključno z vrsto in resnostjo poškodbe. Poleg tega so ugotovili, da imajo bolniki z največjim tveganjem pogosto čezmerno vnetje ali celo akutni vnetni odziv. Našli so tudi beljakovinske markerje, ki so signalizirali zmanjšano strjevanje, kar je bilo močno povezano z negativnimi rezultati.
"Metodologijo, ki smo jo uporabili za ta projekt, je mogoče razširiti tudi na razvoj novih strategij zdravljenja in terapevtikov za druge bolezni, za katere so na voljo veliki nabori podatkov," pravi višji avtor Hiroshi Ogura. To delo lahko znatno optimizira dodeljevanje redkih virov zdravstvenega varstva ER, da reši več ljudi. Ekipa tudi upa, da bo ta raziskava pomagala razkriti načine za umiritev vnetnih poti, ki lahko po travmatičnih poškodbah uidejo izpod nadzora.

Vir:

Univerza v Osaki

Referenca:

Tachino, J., et al. (2022) Razvoj kliničnih fenotipov in bioloških profilov s proteomsko analizo bolnikov s travmo. Intenzivna nega. doi.org/10.1186/s13054-022-04103-z.

.