Sztuczna inteligencja ratuje życie na ostrym dyżurze
Fot. Adobe Stock
Dzięki wykorzystaniu uczenia maszynowego podczas ostrego dyżuru można podejmować korzystniejsze dla pacjenta decyzje - informuje pismo „Critical Care”.
Około 4,5 miliona ludzi umiera rocznie na całym świecie z powodu urazów. W wielu przypadkach przyczyną zgonu jest utrata krwi.
Naukowcy z Uniwersytetu w Osace wykorzystują uczenie maszynowe do identyfikacji pacjentów, którzy mają większe szanse na przeżycie urazu, jeśli są leczeni kwasem traneksamowym.
Wcześnie podany kwas traneksamowy zatrzymuje nadmierne krwawienie, zmniejszając zdolność organizmu do rozkładania skrzepów krwi. Kwas traneksamowy może jednak powodować niekorzystne skutki uboczne u pacjentów, którzy go nie potrzebują. Dlatego konieczne jest wybieranie pacjentów docelowych w oparciu o obiektywne kryteria.
Zespołowi z Osaki udało się skutecznie identyfikować podgrupy pacjentów po urazach, którzy mają większe szanse na przeżycie, jeśli będą leczeni kwasem traneksamowym. Naukowcy odkryli te podgrupy, badając pacjentów po urazach, którzy mieli podobne cechy (znane również jako fenotypy).
„Zidentyfikowaliśmy osiem różnych fenotypów urazów, a następnie na podstawie tych fenotypów oceniliśmy korzyści wynikające z leczenia kwasem traneksamowym” – wyjaśnia główny autor pracy (DOI:10.1186/s13054-024-04871-w) Jotaro Tachino.
„Znaleźliśmy podgrupy pacjentów o znacznie niższej śmiertelności wewnątrzszpitalnej, gdy otrzymywali kwas traneksamowy. Znaleźliśmy także podgrupy pacjentów, którzy nie odnieśli żadnych korzyści z leczenia” - dodaje.
Zespół wykorzystał model uczenia maszynowego, aby pomóc w kategoryzowaniu pacjentów po urazach na te podgrupy. Badacze przetworzyli informacje dotyczące ponad 50 000 pacjentów z Japan Trauma Data Bank, a następnie przeanalizowali wzorce związane z urazem, leczeniem i przeżyciem.
Udało się wykazać związek pomiędzy fenotypami urazów a śmiertelnością wewnątrzszpitalną, co wskazuje, że leczenie TXA może potencjalnie wpływać na tę zależność.
Jak piszą autorzy, „pacjenci po urazach stanowią niejednorodną populację z urazami znacznie różniącymi się rodzajem i ciężkością. To sprawia, że trudno przewidzieć, jak skuteczne będzie leczenie u konkretnego pacjenta”. „Mamy nadzieję, że nasze wyniki pomogą indywidualnym pacjentom po urazach uzyskać bardziej spersonalizowaną opiekę, a także poprawić jakość opieki nad wszystkimi pacjentami po urazach” - dodają.(PAP)
Paweł Wernicki
pmw/ agt/
Przed dodaniem komentarza prosimy o zapoznanie z Regulaminem forum serwisu Nauka w Polsce.
