Mokslininkai panaudojo medicininius duomenis, surinktus iš pacientų namuose, greitosios pagalbos automobilyje ir skubios pagalbos skyriuje, kad sukurtų mašininio mokymosi modelį – beveik tobulą diagnostikos įrankį, galintį padėti gydytojams išgelbėti gyvybes.
Naudodami medicininius duomenis, surinktus iš pacientų, kai jie dar yra namuose, keliauja greitosios pagalbos automobiliu ir gauna priežiūrą ligoninės priėmime, Northeastern universiteto tyrėjai sukūrė dirbtinio intelekto įrankį, kuris gali numatyti gyvybei pavojingą septinį šoką su 99 % tikslumu.
Sepsis – tai stipri imuninės sistemos reakcija į organizme esančią infekciją, ir jis yra mirties priežastis kas trečiam žmogui, mirštančiam ligoninėje.
„Jei sepsis diagnozuojamas skubios pagalbos skyriuje, tikriausiai geriausias atvejis yra melstis, nes išgyvenamumas itin mažas,“ – sako Sergejus Aityanas, Northeastern universiteto daugiadalykės inžinerijos magistrantūros programų dėstytojas Ouklando miestelyje ir projekto pagrindinis tyrėjas. – „Mūsų sistema veikia kaip momentinė antroji nuomonė – kažkas, ką beveik neįmanoma atlikti ekstremaliomis sąlygomis su realiais gydytojais.“
Tyrėjai pasitelkė pacientų duomenis – tokius kaip stiprus karščiavimas, šaltkrėtis, kvėpavimo sutrikimai, odos spalvos pokyčiai, nuovargis ir sumišimas – surinktus, kai pacientas dar buvo namuose, pakeliui į ligoninę ar jau skubios pagalbos skyriuje, kad išmokytų mašininio mokymosi modelį prognozuoti sepsį.
Ankstyvą sepsio pradžią, pasak Aityano, sunku nustatyti, nes simptomai būna subtilūs ir panašūs į daugelį kitų būklių. Tyrimas buvo paskelbtas žurnale Life. Bendraautoriai – Rolando Herrero, Northeastern magistrantūros programų kibernetinių-fizinių sistemų ir telekomunikacijų tinklų direktorius, dirbtinio intelekto dėstytojas Abdolreza Mosaddegh, papildomas inžinerijos fakulteto narys Haithamas Tayyaras bei magistrantai Ebunoluwa Adebesin, Sai Pranavi Jeedigunta ir Hangyeol Kim.
„Nėra jokio kito tyrimo, kuris iš esmės apimtų visus tris šiuos etapus,“ – teigia Herrero. – „Mūsų studentai bendradarbiavo kurdami šį novatorišką DI modelį, leidžiantį gydytojams itin anksti aptikti sepsį.“
Trys etapai pagerina tikslumą, sako Aityanas. Kai modelis turi tik paciento pateiktus simptomų aprašymus, jo prognozės teisingos 82 % atvejų. Pridėjus greitosios pagalbos duomenis apie gyvybinius rodiklius, tikslumas šokteli iki 99 %, o įtraukus skubios pagalbos tyrimų rezultatus – dar labiau padidėja.
Praktiškai, pasak Aityano, skubios pagalbos gydytojai galėtų įvesti paciento informaciją į telefoną balsu ar tekstu bet kuria kalba, o sistema akimirksniu apskaičiuotų sepsio išsivystymo tikimybę.
Tyrėjai gavo sepsio pacientų duomenis iš dviejų Italijos medicinos mokslinių tyrimų universitetų. Jie sudėliojo duomenis pagal simptomų atsiradimo seką, kad galėtų atsekti sepsio raidą nuo subtilių pradinių požymių iki kritinių stadijų. Toks struktūrizavimas, pasak Herrero, suteikė idealias sąlygas DI modeliui aptikti sepsį skirtingais paciento priežiūros etapais.
Mašininio mokymosi įrankis atpažįsta žmogaus, kuriam gali vystytis sepsis, simptomus, aiškina Herrero.
„Mūsų sistema veikia geriau nei įprastas gydytojas,“ – teigia jis.