Mesterséges intelligencia (neve: CODOP) a súlyos, illetve potenciálisan halálos kimenetelű COVID-19 betegség előrejelzésére
Olyan eszközt fejlesztettek ki, amely segít az egészségügyi szakembereknek mesterséges intelligencia (AI) révén azonosítani azokat a kórházi betegeket, akiknél a legnagyobb a kockázata annak, hogy meghalnak a COVID-19-ben.
A lektorált eredményeket az eLife folyóirat 2022 05. 17-i számában tették közzé.
Ez az algoritmus segíthet az orvosoknak abban, hogy a kritikus ellátási erőforrásokat a legsürgősebben rászorulók felé irányítsák, ami az AI-eszköz fejlesztői szerint különösen értékes lehet a korlátozott erőforrásokkal rendelkező országokban.
Mivel a koronavírus-járványnak nem látszik a vége, az új vírusvariánsok a betegség és a kórházi kezelések újabb hullámaihoz vezetnek, az eszköz mögött álló kutatók szerint szükség van az ehhez hasonló általános eszközökre.
Az eszköz kifejlesztéséhez a kutatók 2020 márciusa és 2022 februárja között több mint 150 spanyol, amerikai, hondurasi, bolíviai és argentín kórházban közel 30.000 betegtől vett rutin vérminták biokémiai adatait használták fel.
A sok vérminta azt jelentette, hogy a kutatók különböző immunstátuszú – beoltott, nem oltott és természetes immunitással rendelkező –, valamint minden vírus variánssal fertőzött emberek adatait tudták rögzíteni.
Ennyi adat birtokában képesek voltak egy mesterséges intelligencia-programot betanítani, hogy előre jelezzék a rossz prognózist, függetlenül a különböző immunállapotoktól vagy a vírus variánsoktól.
Ezenkívül megvizsgálták, hogy a vérvétel ideje befolyásolja-e az eszköz teljesítményét, összehasonlítva a vérvétel különböző időpontjaiból származó adatokat, mielőtt a betegek felépültek vagy meghaltak volna.
Megállapították, hogy az algoritmus nagy pontossággal jósolta meg a kórházi betegek túlélését vagy halálát akár kilenc nappal a kimenetel előtt.
Az algoritmus – a COVID-19 Disease Outcome Predictor (CODOP) – 12 vérben található molekula mérését használja, amelyeket általában a kórházi felvételek során gyűjtenek össze, vagyis az eszköz könnyen integrálható bármely kórházba.
Számos intézmény tudósai vettek részt az eszköz közös fejlesztésében, köztük a Max Planck Kísérleti Orvostudományi Intézet, a finn Turku Egyetem, a Spanyol Belgyógyász Társaság, az Argentin Orvostudományi Társaság és a Nemzetközi Belgyógyászati Fórum.
Hivatkozás: Riku Klén, Disha Purohit, Ricardo Gómez-Huelgas et al. (2022). Development and evaluation of a machine learning-based in-hospital COvid-19 disease outcome predictor (CODOP): a multicontinental retrospective study. eLife 11:e75985., https://doi.org/10.7554/eLife.75985