Исследователи из Ратгерса создали инструмент машинного обучения, который может помочь больницам выявлять тяжелые случаи COVID-19. Используя возраст пациента и данные пяти обычных анализов, этот ИИ может точно прогнозировать развитие заболевания, что в конечном итоге улучшит уход за пациентами и распределение ресурсов больницы.
Точный прогноз для обоснованного выбора лечения
По словам Паяла Париха, доцента Медицинской школы Роберта Вуда Джонсона (RWJMS) и соавтора исследования, опубликованного в журнале mBio, точные прогнозы имеют неоценимое значение. Они не только дают пациентам четкое представление о том, что их ждет впереди, пока они еще в добром здравии, чтобы сделать осознанный выбор лечения, но и позволяют больницам эффективно распределять ресурсы, предвосхищая потребности пациентов. Кроме того, раннее начало лечения приводит к улучшению результатов лечения пациентов, что делает точный прогноз крайне важным для эффективного ведения больных COVID-19.
Анализ данных и практическое применение
Для создания модели прогнозирования COVID-19 команда из Ратгерса использовала программное обеспечение для машинного обучения и медицинские карты 969 человек, госпитализированных с вирусом на ранних стадиях пандемии. Они собрали различные данные, такие как результаты лабораторных исследований, демографические данные, жизненные показатели и сопутствующие заболевания каждого пациента. Проведя обширный анализ данных и используя искусственный интеллект, команда определила десять наиболее прогностических переменных, связанных с заболеванием. Затем они разработали две эффективные модели, состоящие из шести точек данных (возраст и результаты пяти общих лабораторных анализов), которые регулярно собираются в каждой больнице.
Представляем модель PLABAC
Наиболее точная модель, созданная исследователями, получила название PLABAC, что расшифровывается как количество тромбоцитов, лактат, возраст, азот мочевины крови, аспартатаминотрансфераза и С-реактивный белок — по первой букве каждой из составляющих переменных. Эта модель успешно предсказала смертность не только для исходной выборки из 969 пациентов, но и для еще 7 901 пациента, госпитализированного до появления вакцин, а также для третьей группы из 1 547 пациентов в поствакцинальный период. Эти результаты свидетельствуют о том, что PLABAC может эффективно предсказывать прогноз пациентов с вариантами COVID-19, выходящими за рамки исходного вируса.
Проверка модели
Хотя использование историй болезни для создания моделей прогрессирования COVID-19 не является чем-то новым, команда из Ратгерса утверждает, что они первыми подтвердили свою модель, успешно протестировав ее предсказательную способность на нескольких группах пациентов. Этот процесс проверки гарантирует, что модель надежна и может быть использована в реальных сценариях для улучшения ухода за пациентами и улучшения результатов.
Создание этого инструмента машинного обучения знаменует собой значительный прогресс в борьбе с COVID-19. Благодаря точному выявлению тяжелых случаев и прогнозированию развития заболевания больницы смогут оказывать адресную помощь и эффективно распределять ресурсы. Эта разработка может спасти жизни и улучшить результаты лечения пациентов в продолжающейся борьбе со смертельным вирусом.
Оригинал earth-chronicles.ru
