Будущее медицины: ИИ выявляет устойчивые инфекции на этапе диагностики
Сможет ли искусственный интеллект помочь врачам на раннем этапе лечения определить, заражен ли ребенок бактерией, устойчивой к антибиотикам? Исследование ученых Ариэльского университета и больничной кассы «Клалит» показало, что модели машинного обучения, использующие данные медицинской карты, способны с высокой точностью оценивать риск инфекций, вызванных бактериями с ферментом ESBL.
Сможет ли искусственный интеллект помочь врачам уже в начале лечения понять, заразился ли ребенок с инфекцией мочевыводящих путей бактерией, устойчивой к антибиотикам? Исследование ученых из Ариэльского университета и больничной кассы «Клалит» изучило модели машинного обучения, предназначенные для этой цели, используя данные, уже имеющиеся в медицинской карте ребенка на момент первичной диагностики. Модели призваны оценить риск того, что инфекция вызвана бактериями, вырабатывающими фермент ESBL — механизм, который придает бактериям устойчивость к основным группам антибиотиков и может потребовать лечения, отличного от стандартного. Сегодня, когда у ребенка диагностируют инфекцию мочевыводящих путей, лечение часто назначается еще до получения результатов посева, что может занять не менее двух-трех дней.
Проверено около 36 тысяч случаев инфекций мочевыводящих путей
В исследовании были проанализированы данные из электронных медицинских карт больничной кассы «Клалит», включавшие около 36 тысяч случаев подтвержденных инфекций мочевыводящих путей у детей в возрасте от одного месяца до 18 лет. Данные были собраны в период с января 2010 года по август 2020 года. Исследователи изучили информацию, доступную уже на первом медицинском приеме, включая возраст и пол ребенка, социально-экономический статус, сопутствующие заболевания, было ли заражение внебольничным или внутрибольничным, предыдущее использование антибиотиков и историю прошлых инфекций. На основе этих данных были разработаны пять различных моделей машинного обучения, предназначенных для оценки вероятности того, что инфекция вызвана бактерией, вырабатывающей ESBL.
Риск возрастал в 18 раз у детей, которые уже болели ранее
Одним из наиболее заметных результатов исследования стала сильная связь между предыдущей инфекцией, вызванной устойчивой бактерией, и риском ее повторения: дети, которые уже страдали от инфекции ESBL в прошлом, имели в 18 раз более высокий риск столкнуться с инфекцией такого типа при повторном случае. Другими факторами, связанными с риском, оказались возраст и пол ребенка, его социально-экономический статус, место заражения, предыдущее использование антибиотиков и тип бактерии, вызвавшей инфекцию.
Цель: раньше знать, какой антибиотик назначить
Одним из главных преимуществ моделей была их высокая способность исключать устойчивую инфекцию. Во всех пяти моделях было зафиксировано отрицательное прогностическое значение около 0,98, то есть, когда модель оценивала, что инфекция не вызвана бактерией ESBL, в подавляющем большинстве случаев оценка была верной. Возможным значением этого является то, что система на базе искусственного интеллекта сможет в будущем предоставлять врачу оценку риска еще до получения результатов посева, тем самым помогая в принятии решения о необходимости рассмотрения антибиотикотерапии, адаптированной к устойчивым бактериям. Потребность в раннем выявлении особенно значима, поскольку инфекции, вызванные бактериями, вырабатывающими ESBL, связаны с более высокими показателями заболеваемости, длительными госпитализациями и даже госпитализацией в отделения интенсивной терапии.
Пока не замена врачу
Наряду с обнадеживающими результатами, исследователи подчеркивают, что речь идет об этапе исследования. Модели не предназначены для замены суждения врача, которое основывается также на клиническом состоянии ребенка, физикальном осмотре и результатах лабораторных анализов. По словам исследователей, требуются дополнительные исследования для улучшения работы моделей, их проверки на других популяциях и, прежде всего, для того, чтобы выяснить, действительно ли их использование в реальных условиях улучшает результаты лечения. Исследование указывает на дополнительный потенциал интеграции искусственного интеллекта в медицину: использование информации, которая уже находится в медицинской карте, для помощи в принятии более быстрых и точных решений, именно в период, когда устойчивость к антибиотикам становится одной из главных проблем систем здравоохранения в мире.
