Forskere utvikler AI-drevet metode for å diagnostisere lungeinfeksjoner raskere

Forskere utvikler AI-drevet metode for å diagnostisere lungeinfeksjoner raskere

Lungeinfeksjoner som lungebetennelse er blant de ledende dødsårsakene på verdensbasis - men de er notorisk vanskelige å diagnostisere.

Nå har forskere ved UC San Francisco funnet en måte å identifisere disse infeksjonene hos kritisk syke pasienter ved å kombinere generativ AI-analyse av medisinske journaler med en biomarkør for nedre luftveisinfeksjoner.

I en observasjonsstudie av kritisk syke voksne stilte kombinasjonen en korrekt diagnose 96 prosent av tiden og differensierte mellom smittsomme og ikke-smittsomme årsaker til respirasjonssvikt mer nøyaktig enn ICU-leger. Forfatterne estimerte at denne modellen, hvis tilgjengelig når pasienter ble registrert, kunne ha redusert upassende antibiotikabruk med mer enn 80 %.

"Vi har utviklet en metode som gir resultater mye raskere enn kultur, og den kan enkelt implementeres i klinikken," sa Dr. Chaz Langelier, førsteamanuensis i medisin og seniorforfatter av studien publisert 16. desember.Naturkommunikasjon.

Vi er sikre på at dette kan føre til raskere diagnose og redusere unødvendig bruk av antibiotika."

Chaz Langelier, førsteamanuensis i medisin, University of California – San Francisco

Et viktig trekk ved modellen er biomarkøren som Langeliers team utviklet i 2023. De fant ut at det er et gen som modulerer betennelse, kaltFABP4kan bidra til å diagnostisere infeksjon siden den kommer mindre til uttrykk i immunceller sammenlignet med normale lungeceller.

Den nåværende studien undersøkte data fra to grupper av kritisk syke pasienter: 98 ble rekruttert før COVID-19-pandemien og de fleste hadde bakterielle infeksjoner; 59 ble rekruttert under pandemien og de fleste hadde virusinfeksjoner, inkludert COVID-19.

Først testet de hver metode individuelt –FABP4Biomarkører eller AI – og fant ut at hver av dem stilte riktig diagnose omtrent 80 % av tiden. Forskerne sammenlignet deretter modellens resultater med diagnosene til legene som la inn pasientene på sykehusets intensivavdeling.

Disse legene foreskrev antibiotika for å behandle lungebetennelse til de fleste av disse pasientene, mens biomarkør-pluss-AI-modellen var mye mer fornuftig når det gjaldt å diagnostisere lungebetennelse.

For ytterligere å teste modellens nøyaktighet, sammenlignet teamet måten AI analyserte medisinske journaler på med måten tre forskjellige leger som spesialiserer seg på indremedisin og infeksjonssykdommer analyserte dem. AI ble utført av GPT4 på en personvernplattform utviklet ved UCSF.

Begge fikk omtrent like mange korrekte diagnoser, men AI la mer vekt på røntgenrapporter på røntgen av thorax mens legene fokuserte på kliniske notater.

"Det viste nesten en kulturell forskjell hvis du kan si det om en AI," sa Natasha Spottiswoode, MD, DPhil, assisterende professor i medisin, en av avisens første forfattere. "Det viser hvordan AI kan utfylle arbeidet til leger."

Teamet publiserte sine AI-oppfordringer i avisen og oppfordret leger til å prøve dem ut på sine egne HIPAA-kompatible AI-plattformer.

"Det er utrolig enkelt å bruke, du trenger ikke å være bioinformatiker," sa Hoang Van Phan, PhD, en bioinformatiker selv og førsteforfatter av papiret.

Teamet validerer modellen som en klinisk test. Deretter vender de seg til sepsis, den viktigste årsaken til sykehusdødsfall, som også er notorisk vanskelig å fastslå.

Kilder: