O 17% mniej zgonów na sepsę w szpitalu. Dzięki AI

Algorytm sztucznej inteligencji wdrożony na oddziałach ratunkowych szpitala UC San Diego Health (USA) pozwala przewidzieć zakażenie sepsą u pacjentów wysokiego ryzyka i zmniejszyć śmiertelność o 17%.

Sepsa zabija po cichu

Każdego roku ok. 1,7 miliona dorosłych w Stanach Zjednoczonych zapada na sepsę, a około 350 000 umiera z powodu poważnego zakażenia krwi, które może wywołać zagrażającą życiu reakcję łańcuchową w całym organizmie. W Polsce liczbę przypadków sepsy szacuje się na 50 tys. rocznie, co drugi chory umiera. W zależności od kraju śmiertelność waha się od 15% do ponad 50%.

W badaniu opublikowanym w czasopiśmie naukowym npj Digital Medicine w styczniu 2024 r., naukowcy z Uniwersytetu Kalifornijskiego San Diego – Szkoły Medycznej (University of California San Diego School of Medicine) wykorzystali model sztucznej inteligencji (AI) na oddziałach ratunkowych szpitala w celu szybkiej identyfikacji pacjentów zagrożonych zakażeniem sepsą.

AI kontroluje parametry mogąca sugerować rozwój sepsy

Badanie wykazało, że algorytm sztucznej inteligencji o nazwie COMPOSER (COnformal Multidimensional Prediction Of SEpsis Risk, tłum.: Konforemne Wielowymiarowe Przewidywanie Ryzyka Wystąpienia Sepsy) spowodował zmniejszenie śmiertelności o 17%. Model kontroluje dane napływające w czasie rzeczywistym z urządzeń pomiarowych. To łącznie ponad 150 różnych zmiennych pacjenta, które mogą wskazywać na rozwój sepsy, jak wyniki badań laboratoryjnych, parametry życiowe, aktualnie zażywane leki, dane demograficzne i historia medyczna.

Jeśli algorytm wykryje wysokie ryzyko zakażenia sepsą, przesyła alarm do elektronicznej dokumentacji medycznej. Na tej podstawie zespół pielęgniarski dokonuje wraz z lekarzem przeglądu danych i wprowadza odpowiedni plan leczenia.

– Algorytmy sztucznej inteligencji mogą wykrywać wzorce, które nie są widoczne dla ludzkiego oka – mówi współautor badania dr Shamim Nemati, profesor nadzwyczajny informatyki biomedycznej i dyrektor analityki predykcyjnej w UC San Diego School of Medicine. System jest na tyle czuły, że może odróżnić wzorce sepsy od wzorców innych schorzeń, aby zapobiegać fałszywym alarmom.

W badaniu przeanalizowano 6000 przyjęć pacjentów przed i po wdrożeniu systemu COMPOSER na oddziałach ratunkowych w dwóch oddziałach szpitala.

Nowe możliwości AI w medycynie

Wniosek z badania przedstawionego w npj Digital Medicine jest obiecujący: zastosowanie modeli głębokiego uczenia w warunkach klinicznych może znacznie poprawić pośrednie wyniki leczenia sepsy, np. zmniejszając uszkodzenie narządów w okresie 72 godzin od zakażenia. Na podstawie alertów wygenerowanych przez model, 55% pacjentów otrzymało antybiotyki wcześniej, co mogło przyczynić się do zmniejszenia śmiertelności wewnątrzszpitalnej.

Jest to pierwsze badanie, w którym wykazano poprawę wyników pacjentów dzięki wykorzystaniu modelu głębokiego uczenia AI. AI działa w tle pracy szpitala, nie angażując niepotrzebnie personelu, i jest zintegrowana z elektroniczną dokumentacją medyczną. System został wdrożony w grudniu 2022 roku, a szpital korzysta z wielu innych innowacji. Przykładowo, niedawno ruszył pilotaż integracji generatywnej sztucznej inteligencji z elektroniczną dokumentacją medyczną. Rozwiązania ma ułatwić lekarzom przeszukiwanie EDM i poprawić jakość pracy i opieki.

Czytaj także: Uwaga na smartwatche mierzące poziom cukru we krwi