Forskare utvecklar AI-driven metod för att diagnostisera lunginfektioner snabbare

Forskare utvecklar AI-driven metod för att diagnostisera lunginfektioner snabbare

Lunginfektioner som lunginflammation är bland de vanligaste dödsorsakerna i världen – men de är notoriskt svåra att diagnostisera.

Nu har forskare vid UC San Francisco hittat ett sätt att identifiera dessa infektioner hos kritiskt sjuka patienter genom att kombinera generativ AI-analys av journaler med en biomarkör för nedre luftvägsinfektioner.

I en observationsstudie av kritiskt sjuka vuxna ställde kombinationen en korrekt diagnos 96 procent av tiden och särskiljde mellan infektiösa och icke-infektiösa orsaker till andningssvikt mer exakt än ICU-läkare. Författarna uppskattade att denna modell, om den var tillgänglig när patienterna inkluderades, kunde ha minskat olämplig antibiotikaanvändning med mer än 80 %.

"Vi har utvecklat en metod som ger resultat mycket snabbare än kultur, och den skulle lätt kunna implementeras på kliniken", säger Dr. Chaz Langelier, docent i medicin och seniorförfattare till studien som publicerades den 16 december.Naturkommunikation.

Vi är övertygade om att detta kan leda till snabbare diagnos och minska onödig användning av antibiotika."

Chaz Langelier, docent i medicin, University of California – San Francisco

En viktig egenskap hos modellen är biomarkören som Langeliers team utvecklade 2023. De fann att det är en gen som modulerar inflammation, kalladFABP4kan hjälpa till att diagnostisera infektion eftersom den uttrycks mindre i immunceller jämfört med normala lungceller.

Den aktuella studien undersökte data från två grupper av kritiskt sjuka patienter: 98 rekryterades före covid-19-pandemin och de flesta hade bakteriella infektioner; 59 rekryterades under pandemin och de flesta hade virusinfektioner, inklusive COVID-19.

Först testade de varje metod individuellt –FABP4Biomarkörer eller AI – och fann att var och en av dem ställde rätt diagnos ungefär 80 % av gångerna. Forskarna jämförde sedan modellens resultat med diagnoserna hos de läkare som lade in patienterna på sjukhusets intensivvårdsavdelning.

Dessa läkare skrev ut antibiotika för att behandla lunginflammation till de flesta av dessa patienter, medan biomarkör-plus-AI-modellen var mycket mer rimlig för att diagnostisera lunginflammation.

För att ytterligare testa modellens noggrannhet jämförde teamet hur AI analyserade journalerna med hur tre olika läkare specialiserade på internmedicin och infektionssjukdomar analyserade dem. AI utfördes av GPT4 på en integritetsplattform utvecklad vid UCSF.

Båda fick ungefär lika många korrekta diagnoser, men AI lade mer vikt vid röntgenrapporter om lungröntgen medan läkarna fokuserade på kliniska anteckningar.

"Det visade nästan en kulturell skillnad om man kan säga det om en AI", säger Natasha Spottiswoode, MD, DPhil, biträdande professor i medicin, en av tidningens första författare. "Det visar hur AI kan komplettera läkarnas arbete."

Teamet publicerade sina AI-uppmaningar i tidningen och uppmuntrade läkare att prova dem på sina egna HIPAA-kompatibla AI-plattformar.

"Det är otroligt lätt att använda, du behöver inte vara bioinformatiker", säger Hoang Van Phan, PhD, själv bioinformatiker och första författare till tidningen.

Teamet validerar modellen som ett kliniskt test. Därefter vänder de sig till sepsis, den vanligaste orsaken till sjukhusdöd, som också är notoriskt svår att fastställa.

Källor: