иНеколико тимова научника развило је начин за одређивање ризика од смрти од ЦОВИД-19 тестом крви. Неуронске мреже анализирају бројне биохемијске и физиолошке индикаторе и извештавају о томе колика је вероватноћа да ће пацијент умрети у блиској будућности. У пренасељеним болничким окружењима, овај метод ће олакшати одређивање којим пацијентима је прва потребна нега и повећати укупни опстанак од ЦОВИД-19, надају се истраживачи. /иУ контексту пандемије ЦОВИД-19 и попуњених болница, важно је да лекари разумеју којим пацијентима треба обратити пажњу на првом месту и чији ризици од компликација и смрти нису превелики. Постоји неколико скала ризика за процену, али у случају ЦОВИД-19, оне показују веома ограничену ефикасност. Током пандемије, научници су развили неколико модела заснованих на неуронским мрежама, али они још нису широко прихваћени.
Нови предиктивни модел креирали су научници са немачке клинике Шарите и Медицинског универзитета у Инзбруку у Аустрији. Детаљније су то описали у чланку у часопису ПЛОС Дигитал Хеалтх.
и„Клиничка презентација ЦОВИД-19 је изузетно разнолика, у распону од асимптоматске до веома озбиљне болести и смрти“, рекао је главни аутор студије Флоријан Курт. „Лекарима је тешко проценити индивидуални ризик од погоршања или смрти пацијента.“/и
Истраживачи су проучавали нивое 321 протеина у 349 узорака крви узетих у различитим фазама од 50 критично болесних пацијената од ЦОВИД-19 лечених у два независна медицинска центра у Немачкој и Аустрији. Петнаест пацијената из ове кохорте је умрло, са средњим временом од пријема до смрти од 28 дана. За преживеле пацијенте, средње време хоспитализације је било 63 дана. Истраживачи су идентификовали 14 протеина чији су се нивои различито мењали током времена код преживелих пацијената у поређењу са онима који су умрли - углавном протеини повезани са упалом и згрушавањем крви. Група је затим развила неуронску мрежу способну да предвиди преживљавање на основу једног мерења релевантних протеина и тестирала модел на новој кохорти од 24 критично болесна пацијента од ЦОВИД-19.
иМодел је био прилично ефикасан и могао је тачно да предвиди исход за 18 од 19 пацијената који су преживели и 5 од 5 који су умрли./и
Узорак је био премали да би се извукли недвосмислени закључци о ефикасности модела, признају истраживачи. Али, ако се резултати потврде у даљим студијама, може постати поуздан алат за процену стања пацијената, укључујући и оне који су у несвести. Такође би се могао користити за праћење ефикасности лечења за појединачне пацијенте, да би се видело како смањује ризике.
Други модел креирао је тим стручњака са Политехничког универзитета у Харбину у Кини и канадског универзитета МцГилл и Универзитета у Калгарију. Студија која се још увек није провела је објављена на медРкив служби за препринт.
„Кључно је идентификовати пацијенте са ЦОВИД-19 са већим ризиком од смрти у раној фази како би их на време хоспитализовали и започели интензивну негу“, пишу аутори. „Међутим, до сада се ниједан модел машинског учења није показао ефикасним у независној кохорти.
Користећи узорак од 4711 пацијената, истраживачи су успели да идентификују низ знакова који указују на оштећење кардиоваскуларног система, јетре и инфламаторне процесе. Листа је укључивала, посебно, биохемијске индикаторе - нивое интерлеукина-6, Д-димера, глукозе, пролактина, тропонина, ензима јетре. На основу неколико основних предиктивних модела, научници су развили сопствене, напредније. У зависности од тежине индикатора који говоре о ризицима, пацијенту су додељивани бодови према којима је припадао групи ниског, умереног или високог ризика.
Тестирање модела на кохорти од скоро 16.000 пацијената показало је да нова неуронска мрежа успешно предвиђа ризик од смрти тачно одређујући којој од ризичних група пацијент припада.
иНајвећи ризик од смрти био је код пацијената старијих од 69 година, са значајно повишеном глукозом, интерлеукином-6, Д-димером, прокалцитонином и ниским средњим артеријским притиском. /и
„Ако се физиолошке мере, посебно клиничке карактеристике које одражавају упалу, функцију јетре, бубрега и кардиоваскуларне функције, могу добити током боравка пацијента у болници, наши модели се лако могу користити за благовремено идентификовање пацијената са високим ризиком“, пишу истраживачи.
Аутори наглашавају да су идентификовани фактори који утичу на исход болести у складу са ранијим подацима. Научници се надају да ће њихов модел бити користан за процену ризика када нови пацијенти уђу у болнице.
bbabo.Net