Τεχνητή νοημοσύνη «προβλέπει» ποιοι ασθενείς θα καταλήξουν σε ΜΕΘ

Τεχνητή νοημοσύνη «προβλέπει» ποιοι ασθενείς θα καταλήξουν σε ΜΕΘ
(Ξένη Δημοσίευση) Κλίνες ΜΕΘ, κατά τη διάρκεια των εγκαινίων, τη Δευτέρα 19 Οκτωβρίου 2020, στο Γενικό Νοσοκομείο Θώρακος και Νοσημάτων «Σωτηρία». Παρουσία του πρωθυπουργού Κυριάκου Μητσοτάκη, του Προέδρου της Βουλής Κωνσταντίνου Τασούλα, της προέδρου του Κινήματος Αλλαγής Φώφης Γεννηματά, του υπουργού Υγείας Βασίλη Κικίλια και του υφυπουργού Υγείας Βασίλη Κοντοζαμάνη πραγματοποιήθηκε η τελετή των εγκαινίων 50 κλινών Μονάδων Εντατικής Θεραπείας (ΜΕΘ), στο Γενικό Νοσοκομείο Θώρακος και Νοσημάτων «Σωτηρία». Το έργο αποτελεί δωρεά της Βουλής των Ελλήνων. ΑΠΕ-ΜΠΕ/ΓΡΑΦΕΙΟ ΤΥΠΟΥ ΠΡΩΘΥΠΟΥΡΓΟΥ/ΔΗΜΗΤΡΗΣ ΠΑΠΑΜΗΤΣΟΣ Photo: ΑΠΕ-ΜΠΕ
Ο αλγόριθμος σχεδιάζεται να δοκιμαστεί στο διάσημο Γενικό Νοσοκομείο Μασαχουσέτης.

Οι γιατροί που πασχίζουν να διαχειριστούν την καταιγίδα κρουσμάτων κορωνοϊού ίσως θα έχουν στο μέλλον τη βοήθεια ενός από μηχανής θεού. Αμερικανοί ερευνητές αναφέρουν ότι ανέπτυξαν έναν αλγόριθμο μηχανικής μάθησης που προβλέπει ποιοι ασθενείς με πνευμονία Covid-19 θα χρειαστούν νοσηλεία στην εντατική.

Οι αλγόριθμοι μηχανικής μάθησης είναι ένα είδος τεχνητής νοημοσύνης που μαθαίνει μέσα από παραδείγματα. Προηγούμενες μελέτες έχουν δείξει για παράδειγμα ότι τέτοια συστήματα υπερβαίνουν τις επιδόσεις των ακτινολόγων στην εξέταση απεικονιστικών δεδομένων για μια ποικιλία παθήσεων.

Συνδυασμός δεδομένων

Στη νέα μελέτη, η οποία δημοσιεύεται στην επιθεώρηση ακτινολογίας Medical Image Analysis, ερευνητές του Πολυτεχνικού Ινστιτούτου Ρενσιλίαρ της Νέας Υόρκης αναφέρουν ότι η μέθοδός τους συνδυάζει αξονικές τομογραφίες (από τις οποίες υπολογίζεται η έκταση της βλάβης στους πνεύμονες) με μη απεικονιστικά δεδομένα όπως τα αποτελέσματα εργαστηριακών εξετάσεων, τα ζωτικά σημεία και τα δημογραφικά δεδομένα των ασθενών.

Οι επιδόσεις της τεχνητής νοημοσύνης εξετάστηκαν σε 295 περιπτώσεις ασθενών που νοσηλεύτηκαν με Covid-19 σε τρία νοσοκομεία –ένα στις ΗΠΑ, ένα στο Ιράν και ένα τρίτο στην Ιταλία.

Οι προβλέψεις του αλγόριθμου σχετικά με το ποιοι ασθενείς θα χρειάζονταν νοσηλεία σε ΜΕΘ συγκρίθηκαν με την πραγματική έκβαση των περιστατικών. Και όπως διαπιστώθηκε, το σύστημα προέβλεψε με επιτυχία ποια κρούσματα θα χρειάζονταν νοσηλεία στην εντατική.

Καρδιαγγειακός κίνδυνος

Όπως δήλωσε ο επικεφαλής της μελέτης Δρ. Γιάν Πίνγκουν, επίκουρος καθηγητής Βιοϊατρικής Μηχανικής, επόμενο βήμα της ερευνητικής προσπάθειας θα είναι ο συνδυασμός του νέου αλγορίθμου με ένα σύστημα τεχνητής νοημοσύνης που είχε αναπτυχθεί παλαιότερα από την ίδια ομάδα για την αξιολόγηση του καρδιαγγειακού κινδύνου σε αξονικές τομογραφίες.

«Γνωρίζουμε ότι ένας βασικός παράγοντας στη θνησιμότητα της Covid-19 είναι το εάν ο ασθενής πάσχει από υποκείμενα νοσήματα όπως η καρδιοπάθεια, η οποία είναι σημαντική συννοσηρότητα» λέει ο Δρ. Γιάν.

«Το κατά πόσο αυτό επηρεάζει την εξέλιξη της Covid-19 είναι σήμερα μάλλον υποκειμενική εκτίμηση. Πρέπει επομένως να ποσοτικοποιήσουμε τις επιπτώσεις των καρδιακών παθήσεων και στη συνέχεια να προσδιορίσουμε πώς τις συνυπολογίζουμε στις προβλέψεις» εξηγεί.

Δοκιμές στην πράξη

Εφόσον τελειοποιηθεί, ο αλγόριθμος σχεδιάζεται να χρησιμοποιηθεί στην πράξη από το διάσημο Γενικό Νοσοκομείο της Μασαχουσέτης για την αξιολόγηση των περιστατικών Covid-19.

Στο μέλλον, λέει ο Δρ. Γιάνγκ, η ίδια προσέγγιση θα μπορούσε να εφαρμοστεί και σε άλλες παθήσεις του αναπνευστικού συστήματος προκειμένου να υπολογίζεται ο κίνδυνος επιπλοκών ή θανάτου.

Η μελέτη πραγματοποιήθηκε με κονδύλι από τα αμερικανικά Εθνικά Ινστιτούτα Υγείας, στο πλαίσιο της έκτακτης χρηματοδότησης για την ανάπτυξη ιατρικών εργαλείων κατά του πανδημικού κορωνοϊού.