2022. 08. 23. - 09:00

Traumás betegek halálozási esélyét jelzi előre a mesterséges intelligencia

Traumás betegek halálozási esélyét jelzi előre a mesterséges intelligencia

Gépi tanulási algoritmust fejlesztettek a kutatók, amely képes a súlyos sérülést szenvedett páciensek halálozási kockázatának előrejelzésére.

Meglepő új mesterséges intelligencia-algoritmust dolgoztak ki az Oszakai Egyetem Orvostudományi Karának Traumatológiai és Akut Kritikus Orvostudományi Tanszékének tudósai: képes előrejelezni, mekkora a halálozás esélye a súlyos sérülést elszenvedett traumás betegeknél.
 
A szakemberek a Japan Trauma Data Bank segítségével több mint 70 ezer, tompa erejű traumát átélt betegről tudtak feljegyzéseket szerezni, a 2013 és 2017 közötti időszakra vonatkozóan – ez tette lehetővé, hogy azonosítsák a kritikus tényezőket, amelyek pontosabban irányíthatják a kezelési stratégiákat.
 
A sürgősségi osztályokon dolgozó, traumával foglalkozó orvosoknak sok esetben gyorsan és gyakran igen korlátozott információk birtokában kell életre-halálra vonatkozó döntéseket hozniuk.
 
Kihívást jelent az is, hogy nem teljesen érthetőek a kedvezőtlen klinikai kimenetelek valószínűségét jelző tényezők, s néha a szervezet saját gyulladásos és véralvadási változásai – melyeket a súlyos sérülésekre adnak válaszul - több kárt okoznak, mint amennyit használnak. Egyértelműen szigorúbb és átfogóbb megközelítés kell a trauma-ellátásban. Olvasd el: Stroke-diagnosztikát javíthat a mesterséges intelligencia
 
Traumás betegek halálozási esélyét jelzi előre a mesterséges intelligencia
Traumás betegek halálozási esélyét jelzi előre a mesterséges intelligencia
 
A japán kutatók most gépi tanulási algoritmusok segítségével elemezték az országban rögzített összes traumaeset adatbázisát.
 
Ez magában foglalta a páciens adatait, például az életkorát és a sérülés típusát. Ezenkívül tömegspektrometriát és proteomanalízist végeztek az oszakai kórházban traumás betegek szérumán.
 
Ez specifikusabb információkat szolgáltatott a vérmarkerekről, amelyek a specifikus fehérjék növekedését vagy csökkenését jelezhetik. Olvasd el: Mellkasi CT - napi 1 órát spórol meg az orvosoknak a mesterséges intelligencia
 
„Tanulmányunknak fontos klinikai vonatkozásai vannak. Segíthet azonosítani a legnagyobb kockázatnak kitett pácienseket, akik a legtöbbet profitálhatnak a korai beavatkozásból” – mondta el Jotaro Tachino, a tanulmány első szerzője.
 
A kutatócsoport hierarchikus klaszteranalízist alkalmazott az adatokon – ennek során kiderült, hogy 11 változó korrelált leginkább a megnövekedett halálozási rátával, beleértve a sérülés típusát és súlyosságát.
 
Azt is felfedezték, hogy a legnagyobb rizikónak kitett betegek szervezete gyakran túlzott gyulladást vagy akár akut gyulladásos választ mutatott. Olyan fehérjemarkereket is találtak, amelyek a negatív kimenetelekkel jelentősen összefüggő, csökkent koagulációt (vagyis alvadást) jeleztek.
 
„A projektben használt módszer kiterjeszthető új kezelési stratégiák és terápiás szerek kifejlesztésére olyan egyéb egészségügyi állapotok kezelésénél, amelyekre vonatkozóan kiterjedt adatkészletek állnak rendelkezésre” – mondta el Hiroshi Ogura vezető szerző.
 
A tanulmány nagymértékben optimalizálhatja a szűkös sürgősségi egészségügyi erőforrások elosztását, hogy több embert lehessen megmenteni.
 
A szakemberek azt is remélik, hogy ez a kutatás segíthet megvilágítani azon módszereket, amelyek segíthetnek a gyulladásos folyamatok megnyugtatásában és kimerülhetnek a traumás sérülések következtében.
 
 
L.A.

 

Hírlevél feliratkozás

Kérjük, add meg adataidat a hírlevélre történő feliratkozáshoz! A megadott adatokat bizalmasan kezeljük, azokat harmadik félnek át nem adjuk.

 

gyulai_vafurdo

profight_banner.