Mass General Brigham tyrėjai sukūrė dirbtiniu intelektu pagrįstą įrankį, skirtą elektroniniams sveikatos įrašams peržiūrėti, kad padėtų gydytojams nustatyti ilgo COVID atvejus – dažnai paslaptingą būklę, galinčią apimti daugybę ilgalaikių simptomų, įskaitant nuovargį, lėtinį kosulį ir smegenų miglotą po to. infekcija nuo SARS-CoV-2.
Rezultatai, kurie paskelbti žurnale Medgalėtų nustatyti daugiau žmonių, kuriems turėtų būti suteikta priežiūra dėl šios galimai sekinančios būklės. Jų nustatytų atvejų skaičius taip pat rodo, kad ilgalaikis COVID paplitimas gali būti labai nepakankamai pripažintas.
„Mūsų AI įrankis gali miglotą diagnostikos procesą paversti kažkuo aštriu ir sutelktu, suteikdamas gydytojams galią suprasti sudėtingą būklę“, – sakė vyresnysis autorius Hosseinas Estiri, Ph.D., AI tyrimų centro ir DI tyrimų vadovas. Mokymosi sveikatos priežiūros sistemos biomedicininė informatika (CAIBILS) Mass General Brigham ir Harvardo medicinos mokyklos medicinos profesorė.
„Su šiuo darbu pagaliau galėsime pamatyti ilgą COVID, koks jis iš tikrųjų yra, o dar svarbiau, kaip jį gydyti“.
Ilgas COVID, dar žinomas kaip SARS-CoV-2 infekcijos postūminės pasekmės (PASC), apima daugybę simptomų. Savo tyrimo tikslais Estiri ir kolegos tai apibrėžė kaip atskirties diagnozę, kuri taip pat yra susijusi su infekcija.
Tai reiškia, kad diagnozė negalėjo būti paaiškinta paciento unikaliame medicininiame įraše ir taip pat turėjo būti siejama su COVID infekcija. Be to, diagnozė turėjo išlikti du mėnesius ar ilgiau per 12 mėnesių stebėjimo laikotarpį.
AI įrankyje naudojamas algoritmas buvo sukurtas iš beveik 300 000 pacientų klinikinių įrašų iš beveik 300 000 pacientų 14 ligoninių ir 20 bendruomenės sveikatos centrų Mass General Brigham sistemoje.
Užuot pasikliavę vienu diagnozės kodu, dirbtinis intelektas naudoja naują Estiri ir kolegų sukurtą metodą, vadinamą „tiksliu fenotipų nustatymu“, kuris sijoja per atskirus įrašus, kad nustatytų su COVID-19 susijusius simptomus ir sąlygas bei laikui bėgant sektų simptomus. kad jie būtų atskirti nuo kitų ligų.
Pavyzdžiui, algoritmas gali nustatyti, ar dusulys gali atsirasti dėl jau esamų ligų, tokių kaip širdies nepakankamumas ar astma, o ne ilgalaikis COVID. Tik tada, kai visos kitos galimybės buvo išnaudotos, įrankis paženklins pacientą kaip ilgą laiką sergantį COVID.
„Gydytojai dažnai susiduria su susivėlusiu simptomų ir ligos istorijų tinklu, nežinodami, kurias gijas ištraukti, ir kartu subalansuoti užimtas bylas. Dirbtinio intelekto įrankio, kuris gali tai padaryti už juos metodiškai, naudojimas gali pakeisti žaidimą. “, – sakė medicinos mokslų daktaras Alalehas Azhiras, vienas iš pagrindinių autorių, Brighamo moterų ligoninės vidaus ligų rezidentas, Mass Generalinės organizacijos įkūrėjas. Brighamo sveikatos priežiūros sistema.
Pasak mokslininkų, į pacientą orientuotos diagnozės, pateiktos šiuo nauju metodu, taip pat gali padėti sušvelninti esamą ilgo COVID diagnostikos paklaidą, teigia mokslininkai, kurie pažymi, kad pacientams, kuriems diagnozuotas oficialus TLK-10 diagnostinis kodas dėl ilgo COVID, linksta į tuos, kuriems lengviau pasiekti. į sveikatos priežiūrą.
Nors kiti diagnostiniai tyrimai rodo, kad maždaug 7% gyventojų kenčia nuo ilgalaikio COVID, šis naujas metodas atskleidžia daug didesnį įvertinimą – 22,8%. Autoriai teigė, kad šis skaičius labiau atitinka nacionalines tendencijas ir parodo tikroviškesnį ilgalaikės pandemijos rinkliavos vaizdą.
Tyrėjai nustatė, kad jų įrankis buvo maždaug 3% tikslesnis nei TLK-10 kodai, tačiau buvo mažiau šališkas. Konkrečiai, jų tyrimas parodė, kad asmenys, kuriuos jie nustatė kaip turintys ilgą COVID, atspindi platesnę Masačusetso demografinę struktūrą, skirtingai nei ilgi COVID algoritmai, kurie remiasi vienu diagnostikos kodu arba individualiais klinikiniais susitikimais, o rezultatai nukreipiami į tam tikras populiacijas, pvz., tuos, kurie turi daugiau galimybių priežiūra.
„Ši platesnė taikymo sritis užtikrina, kad marginalizuotos bendruomenės, dažnai nustumtos į šalį klinikiniuose tyrimuose, nebėra nematomos“, – sakė Estiri.
Tyrimo ir dirbtinio intelekto įrankio apribojimai apima tai, kad algoritme naudojami sveikatos įrašų duomenys, skirti atsižvelgti į ilgalaikius COVID simptomus, gali būti ne tokie išsamūs, nei gydytojai užfiksavo klinikinėse pastabose po apsilankymo.
Kitas apribojimas buvo tas, kad algoritmas neužfiksavo galimo ankstesnės būklės pablogėjimo, kuris galėjo būti ilgalaikis COVID simptomas. Pavyzdžiui, jei pacientas sirgo LOPL, o ankstesni jos epizodai pasunkėjo prieš jam išsivystant COVID-19, algoritmas galėjo juos pašalinti, net jei jo nuolatiniai simptomai buvo ilgas COVID indikatorius.
Pastaraisiais metais mažėjantis COVID-19 tyrimų skaičius taip pat apsunkina nustatymą, kada pacientas pirmą kartą galėjo užsikrėsti COVID-19. Tyrime taip pat dalyvavo tik Masačusetso pacientai.
Būsimi tyrimai gali ištirti algoritmą pacientų, sergančių specifinėmis ligomis, pvz., LOPL ar diabetu, grupėse. Tyrėjai taip pat planuoja viešai paskelbti šį algoritmą atviroje prieigoje, kur gydytojai ir sveikatos priežiūros sistemos visame pasaulyje gali jį naudoti savo pacientų populiacijose.
Šis darbas ne tik atveria duris geresnei klinikinei priežiūrai, bet ir gali padėti pagrindą būsimiems genetinių ir biocheminių veiksnių, užkertančių kelią įvairiems COVID potipiams, tyrimams. „Klausimai apie tikrąją ilgo COVID naštą – klausimai, kurie iki šiol liko sunkiai suprantami – dabar atrodo lengviau pasiekiami“, – sakė Estiri.