Jak wskazują specjaliści, istnieje pilna potrzeba, by móc szybko przewidywać, u których pacjentów z COVID-19 mogą wystąpić śmiertelne powikłania, tak aby można było najlepiej dopasować możliwości i zasoby do osób narażonych na szczególne ryzyko. Z nie do końca poznanych przyczyn stan zdrowia niektórych pacjentów z COVID-19 nagle się pogarsza, co wymaga intensywnej opieki i podnosi ryzyko zgonu.
Opracowany przez naukowców z New York University (NYU) Grossman School of Medicine program wykorzystał do szkolenia kilkaset gigabajtów danych - 5224 zdjęć rentgenowskich klatki piersiowej wykonanych u 2943 ciężko chorych pacjentów zakażonych wirusem SARS-CoV-2.
Oprócz obrazów rentgenowskich w szkoleniu sztucznej inteligencji uwzględnione zostały także wiek, rasa i płeć pacjentów, a także niektóre parametry życiowe i wyniki badań laboratoryjnych, w tym masa i temperatura ciała oraz poziom komórek odpornościowych we krwi. W modelach matematycznych uwzględniono również potrzebę stosowania mechanicznego respiratora i to, czy dany pacjent przeżył (2405), czy zmarł z powodu infekcji (538).
W czterech na pięć przypadków program przewidział, które osoby wymagały intensywnej opieki
Nabyte przez sztuczną inteligencję umiejętności przewidywania dalszych losów pacjenta zostały następnie przetestowane na 770 zdjęciach rentgenowskich klatki piersiowej 718 innych pacjentów przyjętych z powodu COVID-19 na izby przyjęć szpitali NYU Langone od 3 marca do 28 czerwca 2020 r. W czterech na pięć przypadków program komputerowy dokładnie przewidział, które osoby wymagały intensywnej opieki i wentylacji mechanicznej i/lub zmarły w ciągu czterech dni od przyjęcia.
"Lekarze na izbach przyjęć i radiolodzy potrzebują skutecznych narzędzi, takich jak nasz program, aby szybko zidentyfikować tych pacjentów z COVID-19, których stan najprawdopodobniej ulegnie szybkiemu pogorszeniu, tak aby pracownicy służby zdrowia mogli ich dokładniej monitorować i interweniować wcześniej” - powiedziała współprowadząca badanie Farah Shamout, adiunkt w dziedzinie inżynierii komputerowej na kampusie Uniwersytetu Nowojorskiego w Abu Zabi.
Jak wskazał dr Krzysztof Geras, adiunkt na Wydziale Radiologii New York University w Langone, główną zaletą programów inteligencji maszynowej jest to, że ich dokładność można śledzić, aktualizować i ulepszać dzięki większej ilości danych.
Zespół planuje dodawać więcej informacji o pacjencie, gdy tylko będą dostępne i ocenia, jakie dodatkowe wyniki testów klinicznych można wykorzystać do ulepszenia modelu testowego.
Dr Geras ma nadzieję, że w ramach dalszych badań wkrótce wdroży test klasyfikacyjny NYU COVID-19 do codziennej pracy lekarzy medycyny ratunkowej i radiologów. (PAP)
Autor: Paweł Wernicki
***
Koronawirus - wszystkie aktualne informacje i zalecenia na gov.pl
