Tutkijat kehittävät tekoälyllä toimivaa menetelmää keuhkoinfektioiden diagnosoimiseksi nopeammin

Tutkijat kehittävät tekoälyllä toimivaa menetelmää keuhkoinfektioiden diagnosoimiseksi nopeammin

Keuhkoinfektiot, kuten keuhkokuume, ovat johtavia kuolinsyitä maailmanlaajuisesti, mutta niitä on tunnetusti vaikea diagnosoida.

Nyt UC San Franciscon tutkijat ovat löytäneet tavan tunnistaa nämä infektiot kriittisesti sairailta potilailta yhdistämällä potilastietojen generatiivisen tekoälyanalyysin alempien hengitysteiden infektioiden biomarkkeriin.

Kriittisesti sairaiden aikuisten havainnointitutkimuksessa yhdistelmä teki oikean diagnoosin 96 prosenttia ajasta ja erotti hengitysvajauksen tarttuvia ja ei-tarttuvia syitä tarkemmin kuin teho-osaston lääkärit. Kirjoittajat arvioivat, että tämä malli, jos se oli saatavilla potilaiden ilmoittautumisen yhteydessä, olisi voinut vähentää sopimatonta antibioottien käyttöä yli 80 %.

"Olemme kehittäneet menetelmän, joka tuottaa tuloksia paljon nopeammin kuin kulttuuri, ja se voidaan helposti ottaa käyttöön klinikalla", sanoi tohtori Chaz Langelier, lääketieteen apulaisprofessori ja vanhempi kirjoittaja 16. joulukuuta julkaistusta tutkimuksesta.Luontoviestintä.

Olemme varmoja, että tämä voi johtaa nopeampaan diagnoosiin ja vähentää tarpeetonta antibioottien käyttöä."

Chaz Langelier, lääketieteen apulaisprofessori, Kalifornian yliopisto - San Francisco

Mallin tärkeä piirre on biomarkkeri, jonka Langelierin tiimi kehitti vuonna 2023. He havaitsivat, että se on tulehdusta moduloiva geeni, ns.FABP4voi auttaa diagnosoimaan infektion, koska se ilmentyy vähemmän immuunisoluissa verrattuna normaaleihin keuhkosoluihin.

Tässä tutkimuksessa tarkasteltiin tietoja kahdesta kriittisesti sairaiden potilaiden ryhmästä: 98 oli värvätty ennen COVID-19-pandemiaa ja useimmilla oli bakteeri-infektioita; 59 värvättiin pandemian aikana, ja useimmilla oli virusinfektioita, mukaan lukien COVID-19.

Ensin he testasivat jokaista menetelmää erikseen –FABP4Biomarkkerit tai tekoäly – ja havaitsivat, että jokainen heistä teki oikean diagnoosin noin 80 % ajasta. Tämän jälkeen tutkijat vertasivat mallin tuloksia potilaita sairaalan teho-osastolle ottaneiden lääkäreiden diagnooseihin.

Nämä lääkärit määräsivät antibiootteja keuhkokuumeen hoitoon useimmille näistä potilaista, kun taas biomarkkeri-plus-AI-malli oli paljon järkevämpi keuhkokuumeen diagnosoinnissa.

Testaakseen mallin tarkkuutta edelleen ryhmä vertasi tapaa, jolla tekoäly analysoi potilastietoja, tapaan, jolla kolme erilaista sisätauti- ja infektiotauteihin erikoistunutta lääkäriä analysoi niitä. Tekoälyn suoritti GPT4 UCSF:n kehittämällä tietosuoja-alustalla.

Molemmat saivat suunnilleen saman määrän oikeita diagnooseja, mutta tekoäly painotti enemmän radiologian raportteja rintakehän röntgensäteistä, kun taas lääkärit keskittyivät kliinisiin muistiinpanoihin.

"Se osoitti melkein kulttuurista eroa, jos sen voi sanoa tekoälystä", sanoi Natasha Spottiswoode, MD, DPhil, lääketieteen apulaisprofessori, yksi paperin ensimmäisistä kirjoittajista. "Se osoittaa, kuinka tekoäly voi täydentää lääkäreiden työtä."

Tiimi julkaisi tekoälykehotteensa lehdessä ja rohkaisi lääkäreitä kokeilemaan niitä omilla HIPAA-yhteensopivilla tekoälyalustoillaan.

"Se on uskomattoman helppokäyttöinen, sinun ei tarvitse olla bioinformaatikko", sanoi Hoang Van Phan, PhD, itse bioinformaatikko ja paperin ensimmäinen kirjoittaja.

Tiimi validoi mallia kliinisenä testinä. Seuraavaksi he kääntyvät sepsikseen, joka on johtava sairaalakuolemien syy, jota on myös tunnetusti vaikea määrittää.

Lähteet: