Suche
Mein Konto
Ny AI-algoritm förutspår dödsrisk för patienter som lider av en allvarlig skada
Forskare från avdelningen för traumatologi och akut kritisk medicin vid Osaka University Graduate School of Medicine har utvecklat en AI-algoritm för att förutsäga dödsrisk för patienter med allvarliga skador. Genom att använda Japan Trauma Data Bank för 2013 till 2017 kunde de få register över över 70 000 patienter som hade drabbats av trubbigt trauma, vilket gjorde det möjligt för forskare att identifiera kritiska faktorer som kunde vägleda behandlingsstrategier mer exakt. Olycksfallsläkare på akutmottagningar måste fatta beslut om liv och död snabbt och ofta med mycket begränsad information. En del av utmaningen är att de faktorer som påverkar...
Ny AI-algoritm förutspår dödsrisk för patienter som lider av en allvarlig skada
Forskare från avdelningen för traumatologi och akut kritisk medicin vid Osaka University Graduate School of Medicine har utvecklat en AI-algoritm för att förutsäga dödsrisk för patienter med allvarliga skador. Genom att använda Japan Trauma Data Bank för 2013 till 2017 kunde de få register över över 70 000 patienter som hade drabbats av trubbigt trauma, vilket gjorde det möjligt för forskare att identifiera kritiska faktorer som kunde vägleda behandlingsstrategier mer exakt.
Olycksfallsläkare på akutmottagningar måste fatta beslut om liv och död snabbt och ofta med mycket begränsad information. En del av utmaningen är att de faktorer som förutsäger sannolikheten för ogynnsamma kliniska utfall inte är helt förstådda, och ibland orsakar kroppens egna inflammatoriska och blodkoagulerande förändringar som svar på allvarlig skada mer skada än nytta. Ett mer rigoröst och heltäckande förhållningssätt till traumavård behövs helt klart.
Nu har ett team av forskare från Osaka University Graduate School of Medicine analyserat en databas över alla traumafall som registrerats i Japan med hjälp av maskininlärningsalgoritmer. Detta inkluderade patientinformation som ålder och typ av skada. Dessutom utfördes masspektrometri och proteomanalyser på serum från traumapatienter vid Osaka sjukhus. Detta gav mer specifik information om blodmarkörer som kunde indikera en ökning eller minskning av vissa proteiner.
Vår studie har viktiga kliniska implikationer. Det kan hjälpa till att identifiera de patienter med högst risk som skulle kunna dra mest nytta av tidig intervention."
Jotaro Tachino, huvudförfattare till studien, Graduate School of Medicine, Osaka University
Teamet använde hierarkisk klusteranalys av data och fann att 11 variabler var starkast korrelerade med ökad dödlighet, inklusive typ och svårighetsgrad av skada. Dessutom såg de att patienter med högst risk ofta hade överdriven inflammation eller till och med ett akut inflammatoriskt svar. De hittade också proteinmarkörer som signalerade nedreglerad koagulering, vilket var starkt förknippat med negativa resultat.
"Den metodik vi använde för det här projektet kan också utvidgas till utvecklingen av nya behandlingsstrategier och terapier för andra sjukdomar för vilka stora datamängder finns tillgängliga", säger seniorförfattaren Hiroshi Ogura. Detta arbete kan avsevärt optimera allokeringen av knappa akutsjukvårdsresurser för att rädda fler människor. Teamet hoppas också att denna forskning kan hjälpa till att avslöja sätt att lugna inflammatoriska vägar som kan gå utom kontroll efter traumatiska skador.
Källa:
Hänvisning:
Tachino, J., et al. (2022) Utveckling av kliniska fenotyper och biologiska profiler genom proteomisk analys av traumapatienter. Intensivvård. doi.org/10.1186/s13054-022-04103-z.
.