Инфекции могут вызывать всевозможные реакции в организме человека, и одной из самых крайних является сепсис. Это опасное для жизни осложнение ежегодно приводит к смерти более 250 000 человек в США, но новая система искусственного интеллекта, разработанная в Университете Джона Хопкинса, обещает реально изменить ситуацию в этой области, обнаруживая ключевые симптомы на ранней стадии.
Сепсис возникает в результате инфекции, вызывающей сильный иммунный ответ в организме. Это запускает последовательность событий, которая начинается с широко распространенного воспаления и может закончиться образованием тромбов, негерметичностью кровеносных сосудов, отказом органов или смертью. Очевидные симптомы, такие как лихорадка или спутанность сознания, могут быть ошибочно истолкованы как симптомы других состояний, что затрудняет диагностику состояния на ранних стадиях.
И это очень важно, поскольку состояние пациента, страдающего сепсисом, может быстро ухудшиться, при этом это убивает около 30% тех, у кого оно развивается. Мы видели несколько многообещающих технологий, направленных на улучшение шансов в таких ситуациях за счет четкого и быстрого выявления сепсиса. К ним относятся устройства, которые обнаруживают ключевые биомаркеры в крови в течение нескольких минут, и инструменты для быстрого выявления патогенов, стоящих за первоначальной инфекцией.
Команда Университета Джона Хопкинса применила другой подход, стремясь использовать передовой искусственный интеллект для выявления пациентов из группы риска. Он делает это, анализируя историю болезни пациента и объединяя ее с текущими симптомами, клиническими записями и результатами лабораторных исследований. В называемой Целевой системе раннего предупреждения в реальном времени (Targeted Real-Time Early Warning System), искусственный интеллект отслеживает пациентов с момента их поступления в больницу до момента их выписки. При отслеживании их таким образом, система предназначена для того, чтобы никакие важные или потенциально опасные медицинские данные не ускользнули из виду.
Этот инструмент, разработанный и развернутый в сотрудничестве с дочерней компанией Johns Hopkins Bayesian Health, был использован в пяти больницах в рамках двухлетнего испытания, в котором приняли участие более 700 000 пациентов. В этом контексте система раннего предупреждения предназначена для отправки предупреждений врачам и поставщикам медицинских услуг, когда есть повод для беспокойства. По словам исследователей, система оказалась очень эффективной, что привело к обнаружению сепсиса в среднем почти на шесть часов раньше, чем с традиционными методами, с уровнем чувствительности 82%. Это также способствовало высокому уровню внедрения среди поставщиков медицинских услуг — 89%.
Результатом стало значительное снижение заболеваемости/болезненности, продолжительности пребывания в стационаре и, что наиболее важно, снижение смертности на 18,2%.
«В медицине не так много вещей, которые имеют 30-процентную смертность, как сепсис», — сказала Нери Коэн, доктор медицинских наук, президент Центра инноваций в области здравоохранения, которая сотрудничала с исследователями. «Что делает его таким неприятным, так это то, что он относительно распространен, и мы все еще добились очень небольшого прогресса в распознавании его достаточно рано, чтобы существенно снизить заболеваемость и смертность. Сокращение смертности почти на 20% — это замечательно и означает спасение многих жизней».
Исследователи также адаптируют прикроватную технологию для выявления других состояний, таких как пролежни или острая дыхательная недостаточность.
«Это первый случай, когда искусственный интеллект внедряется у постели больного, используется тысячами поставщиков медицинских услуг, и где мы видим спасенные жизни», — сказала Сучи Сариа, ведущий автор исследования. «Это экстраординарный скачок, который ежегодно будет спасать тысячи пациентов с сепсисом. И этот подход в настоящее время применяется для улучшения результатов в других важных проблемных областях, помимо сепсиса».
Исследование было опубликовано в трех статьях в журналах Nature Digital Medicine и Nature Medicine [1], [2].
Источник: Johns Hopkins University, Bayesian Health.
