"Citokinska oluja" nije kriva: strojno učenje razotkriva pravog ubojicu pacijenata s kovidom
U analizi podataka o pacijenatima s teškom upalom pluća i respiratornim zatajenjem korišten je pristup strojnog učenja zvan CarpeDiem koji bolesne grupira na temelju elektroničkog zdravstvenog kartona
Sekundarna bakterijska upala pluća ključni je pokretač smrti kod pacijenata s koronom i upravo ona pogađa gotovo polovicu pacijenata kojima je potrebna potpora mehaničke ventilacije, zaključili su istraživači Feinbergove medicinske škole na Sveučilištu Northwestern, nakon što su strojno učenje primijenili na podatke iz medicinske dokumentacije oboljelih.
Pobijanje teorije
Nalazi pokazuju da bakterijske infekcije mogu čak premašiti stope smrtnosti od same virusne infekcije, a otkrića objavljena u časopisu The Journal of Clinical Investigation ujedno pobijaju raširenu teoriju da COVID-19 uzrokuje "citokinsku oluju" koja dovodi do smrti. Izraz "citokinska oluja" opisuje ogromnu upalu koja dovodi do otkazivanja organa u plućima, bubrezima, mozgu i drugim organima.
"Naša studija naglašava važnost prevencije, traženja i agresivnog liječenja sekundarne bakterijske upale pluća kod kritično bolesnih pacijenata s teškom upalom pluća, uključujući one s kovidom", objašnjavaju istraživači koji su otkrili da gotovo polovica pacijenata s COVID-19 razvije sekundarnu bakterijsku upalu pluća povezanu s ventilatorom.
Novi pristup
Pacijenti izliječeni od sekundarne upale pluća imali su veću vjerojatnost da će preživjeti, dok su oni čija se upala pluća nije riješila imali veću vjerojatnost da će umrijeti, pokazuju nalazi istraživanja. Podaci sugeriraju da je smrtnost povezana sa samim virusom relativno niska, ali smrtnost povećavaju druge stvari, poput sekundarne bakterijske upale pluća.
Studija je analizirala 585 pacijenata u jedinici intenzivne njege u bolnici Northwestern Memorial. Svi oni imali su tešku upalu pluća s respiratornim zatajenjem, a njih 190 imalo je kovid. Znanstvenici su se u analizi podataka koristili novim pristupom strojnog učenja nazvanim CarpeDiem koji grupira slične pacijente na temelju podataka elektroničkog zdravstvenog kartona.
Veći skupovi podataka
"Primjena strojnog učenja i umjetne inteligencije na kliničke podatke može se koristiti za razvoj boljih načina liječenja bolesti kao što je kovid i za pomoć liječnicima na intenzivnoj njezi u liječenju ovih pacijenata", naglašavaju autori studije koji tvrde kako je podcijenjena važnost bakterijske superinfekcije pluća kao uzroka smrti kod pacijenata s kovidom.
Sljedeći korak u istraživanju bit će korištenje molekularnih podataka iz uzoraka studije i njihova integracija s pristupima strojnog učenja kako bi se razumjelo zašto neki se neki pacijenti izliječe od upale pluća, a neki ne. Istražitelji također žele proširiti tehniku na veće skupove podataka i upotrijebiti model za izradu predviđanja kako bi se poboljšala njega kritično bolesnih pacijenata.