Dirbtinis intelektas (DI) gali tą pačią dieną įvertinti intensyviosios terapijos pacientų atsparumą antimikrobinėms medžiagoms – tai labai svarbu siekiant išvengti gyvybei pavojingo sepsio.
Atsparumas antimikrobinėms medžiagoms, mikroorganizmų kūrimo procesas, apsaugantis nuo gydymo, yra didžiulis iššūkis sveikatos apsaugai visame pasaulyje. Apskaičiuota, kad tai sukelia 1,2 milijono mirčių visame pasaulyje ir kasmet NHS kainuoja mažiausiai 180 milijonų svarų sterlingų.
Infekcijos kraujyje gali tapti atsparios antibiotikams ir sukelti gyvybei pavojingą būklę – sepsį. Infekcijai pasiekus sepsio stadiją yra didelė tikimybė, kad pacientams greitai išsivystys organų nepakankamumas, šokas ir net mirtis.
Kai kurie pacientai turi didesnį atsparumą antimikrobinėms medžiagoms nei kiti dėl ankstesnio antibiotikų poveikio, jų genetikos ir net dietos, o tai gali pakeisti jų mikrobiomą.
Dabar mokslininkai naudoja AI galią, kad įvertintų intensyviosios terapijos skyrių (ICU) pacientų atsparumą antimikrobinėms medžiagoms ir nustatytų sepsį sukeliančias kraujotakos infekcijas.
Tyrėjai iš viso Londono King's College ir Guy's and St Thomas' NHS Foundation Trust gydytojai bendradarbiavo šiame tarpdisciplininiame tyrime, kuris, jų manymu, padės pagerinti kritiškai sergančių pacientų rezultatus. Tyrimas publikuojamas žurnale PLOS skaitmeninė sveikata.
Žengdama reikšmingų žingsnių į priekį šioje srityje, komanda parodė, kaip AI ir mašininis mokymasis gali užtikrinti tos pačios dienos pacientų, esančių intensyviosios terapijos skyriuje, tyrimą, ypač ribotų išteklių aplinkoje. Ši technologija taip pat yra daug ekonomiškesnė nei rankinis testavimas.
Dabartiniai ICU pacientų vertinimai užima daug laiko ir reikalauja ilgų laboratorinių tyrimų, todėl bakterijas reikia kultivuoti laboratorijoje, o tai trunka iki penkių dienų. Tai gali turėti didžiulį poveikį priežiūros rezultatams, ypač atsižvelgiant į ICU pacientų, kurie gali sirgti gyvybei pavojingomis ligomis, pažeidžiamumą.
Turėdami prieigą prie šios informacijos anksčiau, gydytojai galėtų greičiau priimti labiau pagrįstus sprendimus dėl priežiūros, įskaitant antibiotikų vartojimą. Tinkamas antibiotikų vartojimas turi tvirtą ryšį su teigiamais paciento rezultatais.
Pirmasis autorius Davide Ferrari iš Londono Karaliaus koledžo sakė: „Mūsų tyrimas pateikia papildomų įrodymų apie AI naudą sveikatos priežiūrai, šį kartą susijusį su esminiais atsparumo antimikrobinėms medžiagoms ir kraujotakos infekcijų problemomis. Tai vyksta svarbiu metu, nes NHS investuoja į bendrinamus duomenų išteklius, kad pacientų priežiūra būtų labiau bendradarbiaujanti ir veiksmingesnė.
„Naudojame mašininį mokymąsi, tai yra naujas būdas išspręsti svarbią klinikinę antimikrobinio atsparumo problemą. Tikimės, kad dirbtinis intelektas bus naudinga priemonė gydytojams priimant svarbius sprendimus, ypač susijusius su ICU.
Dr. Lindsey Edwards, Londono Karaliaus koledžo mikrobiologijos ekspertas, pridūrė: „Svarbus būdas kovoti su didele antimikrobinio atsparumo grėsme yra apsaugoti jau turimus antibiotikus, o tai kartu su skubios greitos diagnostikos poreikiu.
„Dažnai pacientai, kuriems yra atspari vaistams infekcija, patenka į intensyviosios terapijos skyrių kritinės būklės ir gali neišgyventi pakankamai ilgai, kad dabartiniai auksiniai diagnostikos standartai nustatytų, kuo jie yra užsikrėtę. Taigi gydytojai susiduria su sudėtinga situacija, kai jie turi „aklai“ paskirti plataus spektro antibiotiką, kad išgelbėtų pacientą.
„Tačiau tai taip pat sunaikins daugelį naudingų mikrobų paciento mikrobiome, nesunaikindami kenksmingo patogeno. Dėl to patogenas netgi gali tapti atsparesnis vaistui.
„Šio tyrimo išvados yra neįtikėtinai daug žadančios, nes AI naudojimas siekiant paspartinti infekcijos diagnostiką, kad būtų galima paskirti tinkamą antibiotiką, gali ne tik turėti didžiulį poveikį paciento išgyvenimui ir jo priežiūros rezultatams, bet ir padėti išsaugoti antibiotikus. mes jau sukūrėme ir užkertame kelią tolesniam atsparumui antibiotikams vystytis.
Šiame tyrime buvo panaudoti 1142 pacientų iš Guy's ir St Thomas' NHS Foundation Trust duomenys, o tai atvėrė kelią tolesniems tyrimams naudojant daugiau nei 20 000 asmenų duomenų rinkinius. Tikimasi, kad pažangesnis požiūris į šį tyrimą, ypač daugelio ligoninių aplinkoje, naudojant populiarią Federated Machine Learning technologiją, galėtų atitikti reguliavimo reikalavimus, keliamus faktiniam šio AI metodo diegimui NHS priekinėje linijoje.
Profesorius Yanzhong Wang, Londono Karaliaus koledžo gyventojų sveikatos ekspertas, pridūrė: „Šio naujoviško mašininio mokymosi metodo paprastumas ir mastelio keitimas rodo, kad jis gali būti plačiai taikomas, siūlantis patikimą sprendimą, kaip spręsti šias svarbias sveikatos priežiūros problemas didesniu mastu. galiausiai pagerinti pacientų rezultatus“.