Istraživači sa Univerziteta u Kvinslendu primenili su tehniku mašinskog učenja kako bi pomogli u predviđanju rizika od sekundarnih bakterijskih infekcija kod pacijenata hospitalizovanih zbog COVID-19. Njihova studija, objavljena u časopisu The Lancet Microbe, koristi tehniku poznatu kao „operator najmanjeg apsolutnog skupljanja i selekcije“ (LASSO).
Vanredni profesor Kirsti Šort istakao je opasnosti koje sekundarne bakterijske infekcije predstavljaju za pacijente sa COVID-19, s obzirom na visok rizik od smrtnih ishoda. Ona je naglasila da prekomerna upotreba antibiotika može dovesti do rezistencije na antibiotike i stvaranja superbakterija, te da je stoga važno razviti efikasne metode za pravilnu upotrebu antibiotika.
Analizom uzoraka krvi pacijenata iz šest zemalja, istraživači su identifikovali sedam gena koji mogu predvideti rizik od sekundarnih respiratornih bakterijskih infekcija kod pacijenata sa COVID-19. Ovi geni pružaju ključne informacije kliničarima, omogućavajući im informisane odluke o upotrebi antibiotika.
Dr Megan Karni ističe da ovi podaci ukazuju na mogućnost da transkripcija gena i analiza, zajedno sa mašinskim učenjem, mogu promeniti pristup u prepisivanju antibiotika. Ona naglašava da je LASSO tehnika jednostavnija u poređenju sa složenijim metodama mašinskog učenja, što omogućava široku primenu u kliničkoj praksi.
Istraživači su istakli važnost međunarodne saradnje u ovom istraživanju i zahvalili se PREDICT Consortium-u, Snov Foundation-u i Nepean bolnici na podršci. Ova studija naglašava potencijal mašinskog učenja u medicinskoj industriji i ističe važnost daljeg istraživanja u ovoj oblasti kako bi se unapredila nega pacijenata sa COVID-19.
