II

Команда исследователей из Йельского университета и других учреждений по всему миру разработала инновационную платформу сортировки пациентов, основанную на искусственном интеллекте (ИИ), которая, по словам исследователей, способна прогнозировать тяжесть заболевания пациента и продолжительность госпитализации во время вирусной вспышки.

Платформа, использующая данные машинного обучения и метаболомики, призвана улучшить ведение пациентов и помочь поставщикам медицинских услуг более эффективно распределять ресурсы во время тяжелых вирусных вспышек, которые могут быстро сокрушить местные системы здравоохранения. Метаболомика – это изучение малых молекул, связанных с клеточным метаболизмом.

«Возможность предсказать, какие пациенты могут быть отправлены домой, а какие, возможно, нуждаются в госпитализации в отделение интенсивной терапии, имеет решающее значение для чиновников здравоохранения, стремящихся оптимизировать результаты лечения пациентов и наиболее эффективно использовать больничные ресурсы во время вспышки», — сказал старший автор Василис Василиу, профессор эпидемиологии в Йельской школе общественного здравоохранения.

Исследователи разработали платформу, используя COVID-19 в качестве модели заболевания. Результаты были опубликованы в Интернете в журнале Human Genomics 28 августа.

Платформа объединяет рутинные клинические данные, информацию о сопутствующих заболеваниях пациентов и нецелевые данные метаболомики плазмы для формирования своих прогнозов.

«Наша платформа сортировки пациентов на базе искусственного интеллекта отличается от типичных моделей искусственного прогнозирования COVID-19», — сказала Джорджия Чаркофтаки, ведущий автор исследования и младший научный сотрудник Департамента наук о гигиене окружающей среды в YSPH. «Она служит краеугольный камень упреждающего и методичного подхода к борьбе с предстоящими вирусными вспышками».

Используя машинное обучение, исследователи построили модель тяжести COVID-19 и прогнозирования госпитализации на основе клинических данных и метаболических профилей, собранных у пациентов, госпитализированных с этим заболеванием. «Эта модель позволила нам идентифицировать группу уникальных клинических и метаболических биомаркеров, которые были весьма показательны для прогрессирования заболевания и позволяли прогнозировать потребности пациента в ведении вскоре после госпитализации», — пишут исследователи в исследовании.

Возможность предсказать, какие пациенты могут быть отправлены домой, а какие, возможно, нуждаются в госпитализации в отделение интенсивной терапии, имеет решающее значение для должностных лиц здравоохранения, стремящихся оптимизировать результаты лечения пациентов и наиболее эффективно использовать ресурсы больницы во время вспышки.

Для исследования исследовательская группа собрала исчерпывающие данные от 111 пациентов с COVID-19, поступивших в Йельскую больницу Нью-Хейвена в течение двухмесячного периода в 2020 году, и 342 здоровых людей (медицинских работников), которые служили в контрольной группе. Пациенты были разделены на разные классы в зависимости от их потребностей в лечении: от отсутствия необходимости внешнего кислорода до необходимости положительного давления в дыхательных путях или интубации.

Исследование выявило ряд повышенных уровней метаболитов в плазме, которые имели четкую корреляцию с тяжестью заболевания COVID-19. Они включали аллантоин, 5-гидрокситриптофан и глюкуроновую кислоту.

Примечательно, что у пациентов с повышенным уровнем эозинофилов в крови прогноз заболевания хуже, что открывает потенциальный новый биомаркер тяжести COVID-19. Исследователи также отметили, что у пациентов, которым требовалось положительное давление в дыхательных путях или интубация, наблюдалось снижение уровня серотонина в плазме. Это неожиданный результат, который, по их словам, требует дальнейших исследований.

Платформа сортировки пациентов с помощью искусственного интеллекта состоит из трех основных компонентов:

В рамках исследования исследовательская группа разработала удобное программное обеспечение — программное обеспечение COVID Severity by Metabolomic and Clinical Study (CSMC), которое объединяет машинное обучение и клинические данные для обеспечения ведения пациентов на догоспитальном этапе и классификации состояний пациентов по прибытии. в отделении неотложной помощи.

«Наша модельная платформа обеспечивает персонализированный подход к ведению пациентов с COVID-19, но она также закладывает основу для будущих вирусных вспышек», — сказал Василиу, заведующий кафедрой наук о гигиене окружающей среды YSPH и профессор эпидемиологии Сьюзан Дуайт Блисс (гигиена окружающей среды). наук). «Поскольку мир продолжает бороться с COVID-19, а мы сохраняем бдительность в отношении потенциальных будущих вспышек, наша платформа на базе искусственного интеллекта представляет собой многообещающий шаг на пути к более эффективным и основанным на данных мерам общественного здравоохранения».