2024. 02. 21. - 08:50
Szepszis azonosítását és kezelését javítja a mesterséges intelligencia
Mesterséges intelligencia segítségével képes volt javítani a szepszis kimutatását és hatékony kezelését egy kutatócsoport.
Mesterséges intelligenciát alkalmazott egy kutatócsoport a világszerte komoly problémákat okozó szepszis azonosításának javítására és a kezelés hatékonyabbá tételére.
A klinikai körülmények között kialakuló szepszis évente több tízmillió ember életét fenyegeti szerte a világon. Szepszis esetén a szervezet úgy reagál egy fertőzésre, hogy lényegében túlpörög és akaratlanul is megtámadja a szervezetet, túlbuzgóan szabadítva fel kémiai anyagokat, hogy megvédje azt.
Az Egészségügyi Világszervezet (WHO) tanulmányának adatai meglehetősen riasztóak: 2017-ben több mint 44 millió ember szenvedett szepszisben, ami 11 millió ehhez kapcsolódó halálesethez és egyéb jelentős nemkívánatos eseményekhez, például végtagamputációhoz vezetett.
Sok esetben nem vehető észre a szepszis
A szepszis kezelhető, ha időben észlelik - ám sok betegnél nem mutatkoznak az állapot jelei, amíg már túl késővé nem válik a hatékony kezelés a gyors gyógyuláshoz.
„Korán kell elkapni - mondta Anahita Khojandi, a knoxville-i Tennessee Egyetem Ipari és Rendszermérnöki Tanszékének (ISE) docense, a Heath üzleti és mérnöki kari ösztöndíjasa. – Úgy véljük, új prediktív eszközeinkkel az egészségügyi szakemberek legalább 4-6 órával hamarabb képesek lesznek észlelni a szepszist, ami hatékonyabb kezelést és jobb egészségügyi eredményeket eredményez. Lehet, hogy ez nem tűnik túl sok időnek, de a szepszis olyan gyorsan halad, hogy 4-6 óra élet és halál közti különbséget jelenthet.” Olvasd el: Vesekárosodást jelez előre a mesterséges intelligencia
Szepszis azonosítását és kezelését javítja a mesterséges intelligencia
Khojandi és a Tennessee Egyetem kutatóiból álló multidiszciplináris csoport azt feltételezte, hogy az elektronikus egészségügyi nyilvántartásokból kifejlesztett adatkészletek felépítésével és azok elemzésével a később szepszisben szenvedő betegek mintáira vonatkozóan megjósolhatják az állapot kialakulását. Egy ISE-kolléga – Xueping Li, Dan Doulet kari munkatárs és professzor – ezután összekötötte a csapatot az adattulajdonosok kezdeti csoportjával, hogy elkezdhessék a munkát.
Az elektronikus egészségügyi nyilvántartások adataira szükségük volt a kutatóknak, hogy elkezdhessék a korai szepszis előrejelzésére szolgáló modellek felépítését.
Prediktív modellek mesterséges intelligencia segítségével
A kutatók innentől kezdtek többet megtudni az elektronikus egészségügyi nyilvántartások adatainak erejéről és lehetséges hiányosságairól. További adatkészletekhez fértek hozzá és egy sor vizsgálatot végezhettek el, mindegyiket az előzőre építve, míg végül meg tudták oldani a problémát holisztikus módon – magyarázta Anahita Khojandi.
Az egyik legfontosabb kezdeti hiányosságnak a részletesség hiánya bizonyult az egyes elektronikus egészségügyi nyilvántartásokban. Az UT–Oak Ridge Nemzeti Laboratóriumi Orvosbiológiai Informatikai Laboratórium vezetője, Robert Davis az UT Egészségtudományi Központban azonban segíthetett a csapatnak megbirkózni ezzel a kulcsfontosságú kihívással: új adatkészletet biztosított Khojandinak a páciensek létfontosságú adatairól, például a pulzusszámról és a légzési ütemről, amelyeket folyamatosan gyűjtenek az intenzív osztály monitorairól.
Az új adatkészlet tette lehetővé a csapat számára, hogy hatékony mesterséges intelligencia-keretrendszert fejlesszenek ki az idősor-alapú modellezés és a szekvenciális döntéshozatali megközelítések kihasználásával.
Legújabb munkájuk során olyan, újszerű megközelítést dolgoztak ki, amely lehetővé teszi, hogy az MI-modell valós időben bepillantson a páciens rejtett egészségi állapotába, miközben figyelembe veszi a beteg alapbetegségének progresszióját. A modell ezután pontos képet tud alkotni a páciens állapotáról, javítva ezzel a döntéshozatali folyamatot.
A szepszis-projekt jól mutatja a mesterséges intelligencia lehetséges erejét az orvosi alkalmazásokban.
Khojandi a közeljövőben új munkatársakkal fog össze, hogy szakértelmét és eszközeit különböző problémák megoldására alkalmazza.
Többek között olyan modelleket szeretnének kidolgozni, amelyek segítik a kezelés tervezését; előre jelezhetik az opioidok által kiváltott lélegeztetési elégtelenséget a kórházi környezetben lévő betegeknél; előre jelezhetik az emlőrákot követő nyiroködéma kockázatát és azonosíhatják a kezelés tervezését segítő további tényezőket, valamint dolgoznak azon is, hogy mesterséges intelligenciát alkalmazzanak az anya- és magzatgondozás javítására.
L.A.
