A kutatók mesterséges intelligencia által vezérelt módszert fejlesztettek ki a tüdőfertőzések gyorsabb diagnosztizálására

A kutatók mesterséges intelligencia által vezérelt módszert fejlesztettek ki a tüdőfertőzések gyorsabb diagnosztizálására

A tüdőfertőzések, mint például a tüdőgyulladás, világszerte a vezető halálokok közé tartoznak – de köztudottan nehéz diagnosztizálni őket.

A San Francisco-i Egyetem kutatói most megtalálták a módját, hogy azonosítsák ezeket a fertőzéseket kritikus állapotú betegekben az orvosi feljegyzések generatív mesterséges intelligencia elemzésének és az alsó légúti fertőzések biomarkerének kombinálásával.

Egy kritikus állapotú felnőtteken végzett megfigyeléses vizsgálat során a kombináció az esetek 96 százalékában helyes diagnózist állított fel, és pontosabban különböztette meg a légzési elégtelenség fertőző és nem fertőző okait, mint az intenzív osztályos orvosok. A szerzők becslése szerint ez a modell, ha rendelkezésre állt a betegek felvételekor, több mint 80%-kal csökkenthette volna a nem megfelelő antibiotikum-használatot.

"Olyan módszert fejlesztettünk ki, amely sokkal gyorsabban hoz eredményt, mint a kultúra, és könnyen megvalósítható a klinikán" - mondta Dr. Chaz Langelier, az orvostudomány docense és a december 16-án megjelent tanulmány vezető szerzője.A természet kommunikációja.

Biztosak vagyunk benne, hogy ez gyorsabb diagnózishoz vezethet, és csökkentheti az antibiotikumok szükségtelen használatát.”

Chaz Langelier, az orvostudomány docense, Kaliforniai Egyetem – San Francisco

A modell fontos jellemzője az a biomarker, amelyet Langelier csapata 2023-ban fejlesztett ki. Megállapították, hogy ez egy gyulladást moduláló gén, az ún.FABP4segíthet a fertőzés diagnosztizálásában, mivel kevésbé expresszálódik az immunsejtekben, mint a normál tüdősejtekben.

A jelenlegi tanulmány a kritikus állapotú betegek két csoportjának adatait vizsgálta: 98-at a COVID-19 világjárvány előtt vettek fel, és legtöbbjük bakteriális fertőzésben szenvedett; 59 főt toboroztak a világjárvány idején, és a legtöbben vírusfertőzésben szenvedtek, beleértve a COVID-19-et is.

Először minden módszert külön-külön teszteltek –FABP4Biomarkerek vagy mesterséges intelligencia – és azt találták, hogy mindegyikük az esetek 80%-ában helyes diagnózist állított fel. A kutatók ezután a modell eredményeit a betegeket a kórház intenzív osztályára felvevő orvosok diagnózisaival hasonlították össze.

Ezek az orvosok antibiotikumokat írtak fel a tüdőgyulladás kezelésére a legtöbb ilyen betegnek, míg a biomarker-plus-AI modell sokkal ésszerűbb volt a tüdőgyulladás diagnosztizálásában.

A modell pontosságának további tesztelése érdekében a csapat összehasonlította azt, ahogyan az AI elemezte az orvosi feljegyzéseket, azzal, ahogyan három különböző, belgyógyászatra és fertőző betegségekre szakosodott orvos elemezte azokat. Az AI-t a GPT4 hajtotta végre az UCSF-nél kifejlesztett adatvédelmi platformon.

Mindketten nagyjából ugyanannyi helyes diagnózist kaptak, de az AI nagyobb hangsúlyt fektetett a mellkasröntgenről készült radiológiai jelentésekre, míg az orvosok a klinikai feljegyzésekre összpontosítottak.

„Majdnem kulturális különbséget mutatott, ha ezt mondhatjuk egy mesterséges intelligenciáról” – mondta Natasha Spottiswoode, MD, DPhil, az orvostudomány adjunktusa, a tanulmány egyik első szerzője. „Bemutatja, hogy a mesterséges intelligencia hogyan tudja kiegészíteni az orvosok munkáját.”

A csapat közzétette mesterséges intelligencia-utasításait a lapban, és arra biztatta az orvosokat, hogy próbálják ki őket saját, HIPAA-kompatibilis mesterségesintelligencia-platformukon.

„Hihetetlenül egyszerűen használható, nem kell bioinformatikusnak lenned” – mondta Hoang Van Phan, PhD, maga is bioinformatikus és a tanulmány első szerzője.

A csapat klinikai tesztként validálja a modellt. Ezután a szepszishez, a kórházi halálozás vezető okához fordulnak, amelyet szintén nehéz meghatározni.

Források: