Veštačka inteligencija (AI) može da pruži procenu otpornosti na antimikrobne lekove istog dana za pacijente na intenzivnoj nezi – što je kritično za sprečavanje sepse opasne po život.
Antimikrobna rezistencija, proces mikroorganizama koji razvijaju odbranu od lečenja, predstavlja veliki izazov za zdravstvenu zaštitu širom sveta. Procenjuje se da će izazvati 1,2 miliona smrtnih slučajeva širom sveta i koštati NHS najmanje 180 miliona funti godišnje.
Infekcije u krvotoku mogu postati otporne na antibiotike i dovesti do stanja opasnog po život, sepse. Kada infekcija dostigne stadijum sepse, postoji velika verovatnoća da će pacijenti brzo razviti otkazivanje organa, šok, pa čak i smrt.
Neki pacijenti imaju veću otpornost na antimikrobne lekove od drugih, zbog prethodnog izlaganja antibioticima, njihove genetike, pa čak i ishrane, koja može da promeni njihov mikrobiom.
Sada naučnici koriste moć veštačke inteligencije da procene antimikrobnu otpornost pacijenata u jedinicama intenzivne nege (ICU) i identifikuju infekcije krvotoka koje izazivaju sepsu.
Istraživači sa Kraljevskog koledža u Londonu i kliničari u fondaciji Gui’s and St Thomas’ NHS Foundation Trust su sarađivali u ovoj interdisciplinarnoj studiji — za koju se nadaju da će pomoći da se poboljšaju ishodi kritično bolesnih pacijenata. Istraživanje je objavljeno u časopisu PLOS Digital Health.
Napravivši značajne korake napred u ovoj oblasti, tim je pokazao kako veštačka inteligencija i mašinsko učenje mogu da obezbede trijažiranje istog dana za pacijente na intenzivnoj nezi, posebno u okruženjima sa ograničenim resursima. Tehnologija je takođe mnogo isplativija od ručnog testiranja.
Trenutne procene pacijenata intenzivne nege zahtevaju mnogo vremena i zahtevaju dugotrajne laboratorijske testove, koji zahtevaju da se bakterije uzgajaju u laboratoriji, što traje do pet dana. Ovo može imati ogroman uticaj na ishode nege, posebno imajući u vidu krhkost pacijenata na intenzivnoj nezi, koji možda pate od bolesti opasnih po život.
Raniji pristup ovim informacijama bi omogućio kliničarima da donesu brže, bolje informisane odluke o nezi—uključujući da li da koriste antibiotike. Pravilna upotreba antibiotika ima jaku vezu sa pozitivnim ishodima pacijenata.
Prvi autor Davide Ferrari, King’s College London, rekao je: „Naša studija pruža dodatne dokaze o prednostima AI u zdravstvenoj zaštiti, ovog puta u vezi sa ključnim pitanjima otpornosti na antibiotike i infekcija krvotoka. Dolazi u važnom trenutku, jer NHS ulaže u zajedničke resurse podataka, pomažući da briga o pacijentima bude saradnička i efikasnija.
„Naša upotreba mašinskog učenja pruža novi način za rešavanje važnog kliničkog pitanja otpornosti na antimikrobne lekove. Nadamo se da će AI pružiti koristan alat za kliničare u donošenju važnih odluka, posebno u vezi sa intenzivnom negom.“
Dr Lindzi Edvards, stručnjak za mikrobiologiju na Kraljevskom koledžu u Londonu, dodao je: „Važan način da se uhvati u koštac sa ozbiljnom pretnjom otpornosti na antibiotike je zaštita antibiotika koje već imamo, što ide ruku pod ruku sa hitnom potrebom za brzom dijagnostikom.
„Često će se pacijenti sa infekcijom otpornom na lekove javiti na intenzivnu intenzivnu terapiju u kritičnom stanju i možda neće preživeti dovoljno dugo da trenutni zlatni standardi dijagnostike utvrde čime su zaraženi. Dakle, kliničari su suočeni sa teškom situacijom u kojoj mora da prepiše „na slep način“ antibiotik širokog spektra da bi spasio pacijenta.
„Međutim, ovo će takođe ubiti mnoge korisne mikrobe u pacijentovom mikrobiomu, bez ubijanja štetnog patogena. To bi čak moglo učiniti patogen otpornijim na lek.“
„Nalazi ove studije su neverovatno obećavajući jer korišćenje veštačke inteligencije za ubrzavanje dijagnostike infekcije kako bi se omogućilo prepisivanje tačnog antibiotika ne samo da bi moglo da ima ogroman uticaj na preživljavanje pacijenata i ishode njihove nege; već bi moglo da pomogne u očuvanju antibiotika. već smo razvili i sprečili razvoj dalje rezistencije na antibiotike“.
U ovoj studiji korišćeni su podaci od 1.142 pacijenta iz fondacije Gui’s and St Thomas’ NHS Foundation, što je utrlo put za dalja istraživanja koja su u toku koristeći skupove podataka od više od 20.000 pojedinaca. Nadamo se da bi napredniji pristup ovoj studiji, posebno u okviru višebolničkog okruženja kroz popularnu tehnologiju federalnog mašinskog učenja, mogao ispuniti regulatorne zahteve za stvarnu primenu ovog AI pristupa u prvoj liniji NHS-a.
Profesor Jandžong Vang, stručnjak za zdravlje stanovništva na Kraljevskom koledžu u Londonu, dodao je: „Jednostavnost i skalabilnost ovog inovativnog pristupa mašinskom učenju ukazuju na njegov potencijal za široku primenu, nudeći robusno rešenje za rešavanje ovih kritičnih zdravstvenih problema u većem obimu i na kraju poboljšati ishode pacijenata.“
