Naukowcy opracowują metodę opartą na sztucznej inteligencji, która pozwala szybciej diagnozować infekcje płuc

Naukowcy opracowują metodę opartą na sztucznej inteligencji, która pozwala szybciej diagnozować infekcje płuc

Infekcje płuc, takie jak zapalenie płuc, należą do głównych przyczyn zgonów na świecie, ale są niezwykle trudne do zdiagnozowania.

Teraz badacze z Uniwersytetu Kalifornijskiego w San Francisco znaleźli sposób na identyfikację tych infekcji u krytycznie chorych pacjentów, łącząc generatywną analizę dokumentacji medycznej AI z biomarkerem infekcji dolnych dróg oddechowych.

W badaniu obserwacyjnym z udziałem krytycznie chorych dorosłych, skojarzenie tych leków pozwalało na postawienie prawidłowej diagnozy w 96% przypadków i rozróżnienie zakaźnych i niezakaźnych przyczyn niewydolności oddechowej dokładniej niż lekarze OIOM-u. Autorzy oszacowali, że model ten, jeśli byłby dostępny w momencie włączania pacjentów, mógłby ograniczyć niewłaściwe stosowanie antybiotyków o ponad 80%.

„Opracowaliśmy metodę, która daje wyniki znacznie szybciej niż hodowla i można ją łatwo wdrożyć w klinice” – powiedział dr Chaz Langelier, profesor nadzwyczajny medycyny i główny autor badania opublikowanego 16 grudniaKomunikacja przyrodnicza.

Jesteśmy przekonani, że może to doprowadzić do szybszej diagnozy i ograniczenia niepotrzebnego stosowania antybiotyków”.

Chaz Langelier, profesor nadzwyczajny medycyny, Uniwersytet Kalifornijski – San Francisco

Ważną cechą modelu jest biomarker opracowany przez zespół Langeliera w 2023 roku. Odkryli, że jest to gen modulujący stan zapalny, tzw.FABP4może pomóc w diagnozowaniu infekcji, ponieważ ulega ona mniejszej ekspresji w komórkach układu odpornościowego w porównaniu z normalnymi komórkami płuc.

W bieżącym badaniu przeanalizowano dane pochodzące z dwóch grup krytycznie chorych pacjentów: 98 pacjentów zrekrutowano przed pandemią Covid-19 i większość z nich miała infekcję bakteryjną; W czasie pandemii zrekrutowano 59 osób, a większość z nich miała infekcje wirusowe, w tym Covid-19.

Najpierw przetestowali każdą metodę indywidualnie –FABP4Biomarkery lub sztuczna inteligencja – i odkrył, że każdy z nich stawiał prawidłową diagnozę w około 80% przypadków. Następnie naukowcy porównali wyniki modelu z diagnozami lekarzy, którzy przyjmowali pacjentów na szpitalny oddział intensywnej terapii.

Lekarze ci przepisywali antybiotyki w celu leczenia zapalenia płuc większości tych pacjentów, podczas gdy model biomarker plus AI był znacznie bardziej uzasadniony w diagnozowaniu zapalenia płuc.

Aby dokładniej przetestować dokładność modelu, zespół porównał sposób, w jaki sztuczna inteligencja analizowała dokumentację medyczną, ze sposobem, w jaki analizowało ją trzech różnych lekarzy specjalizujących się w chorobach wewnętrznych i chorobach zakaźnych. AI została wykonana przez GPT4 na platformie prywatności opracowanej na UCSF.

Obaj otrzymali mniej więcej taką samą liczbę prawidłowych diagnoz, ale sztuczna inteligencja położyła większy nacisk na raporty radiologiczne dotyczące prześwietleń klatki piersiowej, podczas gdy lekarze skupili się na notatkach klinicznych.

„To niemal pokazało różnicę kulturową, jeśli można to powiedzieć o sztucznej inteligencji” – stwierdziła Natasha Spottiswoode, lekarz medycyny, DPhil, adiunkt medycyny i jedna z pierwszych autorek artykułu. „Pokazuje, jak sztuczna inteligencja może uzupełniać pracę lekarzy”.

Zespół opublikował w artykule wskazówki dotyczące sztucznej inteligencji i zachęcał lekarzy, aby wypróbowali je na własnych platformach sztucznej inteligencji zgodnych z ustawą HIPAA.

„Jest niezwykle łatwy w obsłudze, nie trzeba być bioinformatykiem” – powiedział dr Hoang Van Phan, który sam jest bioinformatykiem i pierwszym autorem artykułu.

Zespół weryfikuje model w ramach testu klinicznego. Następnie zwracają uwagę na posocznicę, główną przyczynę zgonów w szpitalu, która również jest niezwykle trudna do ustalenia.

Źródła: