Επιστήμονες ανέπτυξαν έναν αλγόριθμο που μπορεί να βοηθήσει τους γιατρούς να εντοπίζουν κατά την εισαγωγή των ασθενών με COVID-19 στο νοσοκομείο, ποιοι εξ αυτών κινδυνεύουν να καταλήξουν και να τους προσφέρουν εγκαίρως εντατική φροντίδα, σύμφωνα με νέα μελέτη που δημοσιεύθηκε στην επιθεώρηση eLife.

Με τη χείρα βοηθείας της τεχνητής νοημοσύνης

Το νέο εργαλείο που βασίζεται στη χρήση τεχνητής νοημοσύνης (ΑΙ) αναμένεται να αποδειχθεί πολύτιμο ώστε οι γιατροί να προσφέρουν υπηρεσίες εντατικής φροντίδας στους ασθενείς που τις χρειάζονται περισσότερο – κάτι τέτοιο είναι ιδιαιτέρως χρήσιμο σε χώρες όπου τα συστήματα υγείας εμφανίζουν ελλείψεις.

Ανάγκη για χρήσιμα, εύκολα στην εφαρμογή εργαλεία

«Η εμφάνιση νέων παραλλαγών του SARS-CoV-2, η φθίνουσα ανοσολογική προστασία και η χαλάρωση των μέτρων προφύλαξης μεταφράζονται στο ότι πιθανότατα θα συνεχίσουμε να βλέπουμε εξάρσεις κρουσμάτων και νοσηλειών εξαιτίας της COVID-19» εξήγησε ο επικεφαλής της διεθνούς προσπάθειας ανάπτυξης του εργαλείου και κύριος συγγραφέας της νέας μελέτης Νταβίντ Γκόμεζ-Βαρέλα, κύριος ερευνητής στο Τμήμα Φαρμακολογίας και Τοξικολογίας του Πανεπιστημίου της Βιέννης και προσέθεσε: «Υπάρχει ανάγκη για κλινικώς χρήσιμα εργαλεία που θα οδηγούν στη σωστή διαλογή ασθενών σε περιοχές όπου οι πόροι είναι περιορισμένοι. Ωστόσο τα εργαλεία αυτά χρειάζεται να μπορούν να

προσαρμόζονται στο συνεχώς εξελισσόμενο σενάριο της πανδημίας και πρέπει να είναι εύκολη η εφαρμογή τους».

Ευρεία ανάλυση

Για την ανάπτυξη του εργαλείου η ερευνητική ομάδα χρησιμοποίησε βιοχημικά δεδομένα που προέκυψαν από εξετάσεις αίματος ρουτίνας οι οποίες διεξήχθησαν σε σχεδόν 30.000 ασθενείς που νοσηλεύθηκαν σε περισσότερα από 150 νοσοκομεία στην Ισπανία, στις ΗΠΑ, στην Ονδούρα, στη Βολιβία και στην Αργεντινή μεταξύ του Μαρτίου του 2020 και του Φεβρουαρίου του 2022. Η τόσο ευρεία αυτή ανάλυση επέτρεψε στους ειδικούς να συλλέξουν στοιχεία από ανθρώπους με διαφορετικό ανοσολογικό προφίλ – εμβολιασμένους, ανεμβολίαστους αλλά και άτομα που έχουν αποκτήσει ανοσία μέσω φυσικής νόσησης, καθώς και από άτομα που προσβλήθηκαν από πλήθος στελεχών του SARS-CoV-2 – από το αρχικό στέλεχος της Γουχάν ως την κυρίαρχη αυτή τη στιγμή παραλλαγή Ομικρον του ιού.

Η εύκολη εφαρμογή του CODOP στην κλινική πράξη

Ο αλγόριθμος που προέκυψε από την ανάλυση και ο οποίος ονομάζεται CODOP (COVID-19 Disease Outcome Predictor) χρησιμοποιεί μετρήσεις 12 μορίων του αίματος που συνήθως αναλύονται κατά την εισαγωγή στο νοσοκομείο. Αυτό πρακτικά σημαίνει ότι το προγνωστικό εργαλείο μπορεί να ενσωματωθεί εύκολα στην κλινική πράξη σε όλες τις χώρες.

«Εκπαίδευση» του συστήματος ΑΙ

Ο αλγόριθμος CODOP αναπτύχθηκε στο πλαίσιο μιας διαδικασίας πολλών σταδίων. Αρχικώς χρησιμοποιήθηκαν δεδομένα από ασθενείς που νοσηλεύθηκαν σε περισσότερα από 120 νοσοκομεία της Ισπανίας προκειμένου να «εκπαιδευθεί» το σύστημα AI ώστε να προβλέπει τα σημάδια κακής πρόγνωσης των ασθενών.

Δοκιμή σε ασθενείς από διαφορετικές γεωγραφικές περιοχές

Το επόμενο βήμα ήταν να διασφαλιστεί ότι το εργαλείο ήταν αποτελεσματικό ασχέτως του ανοσολογικού προφίλ του κάθε ασθενούς ή της εκάστοτε παραλλαγής του SARS-CoV-2. Ετσι οι επιστήμονες

δοκίμασαν τον αλγόριθμο σε υπο-ομάδες ασθενών από διαφορετικές γεωγραφικές περιοχές.

Πρόβλεψη έως και εννέα ημέρες πριν την καλή ή κακή έκβαση του ασθενούς

Στη συνέχεια οι ειδικοί εξέτασαν αν η στιγμή λήψης του δείγματος αίματος από τους ασθενείς επηρεάζει την αποδοτικότητα του εργαλείου. Ετσι συνέκριναν στοιχεία που αφορούσαν διαφορετικές χρονικές στιγμές λήψης δειγμάτων προτού οι ασθενείς αναρρώσουν ή προτού καταλήξουν. Ανακάλυψαν ότι ο αλγόριθμος μπορεί να προβλέψει την επιβίωση ή τον θάνατο των νοσηλευομένων με υψηλή ακρίβεια έως και εννέα ημέρες πριν την έκβαση του κάθε ασθενούς.

Σωστή διαλογή ασθενών

Τέλος οι ειδικοί δημιούργησαν δύο διαφορετικές εκδοχές του εργαλείου για χρήση σε δύο διαφορετικά σενάρια: το ένα αφορούσε την περίπτωση κατά την οποία το σύστημα υγείας λειτουργούσε φυσιολογικά και το δεύτερο την περίπτωση στην οποία το σύστημα υγείας βρισκόταν υπό σοβαρή πίεση. Με τον τρόπο αυτό εξασφάλιζαν ότι θα γίνεται σωστή διαλογή ασθενών ανάλογα με τις ανάγκες.

Προς ένα διττό μοντέλο

Η ερευνητική ομάδα, όπως εξήγησε ο δρ Γκόμεζ-Βαρέλα εργάζεται τώρα επάνω σε ένα επόμενο διττό μοντέλο το οποίο θα προβλέπει την ανάγκη νοσηλείας μέσα στις επόμενες 24 ώρες για τους ασθενείς που καταφεύγουν στην πρωτοβάθμια φροντίδα υγείας αλλά και την ανάγκη εισαγωγής σε ΜΕΘ μέσα στις επόμενες 48 ώρες για τους ασθενείς που ήδη νοσηλεύονται. «Ελπίζουμε να βοηθήσουμε τα συστήματα υγείας να επανέλθουν στα επίπεδα φροντίδας που προσέφεραν προτού ενσκήψει η πανδημία» κατέληξε ο ειδικός.

Σημειώνεται ότι το εργαλείο CODOP είναι ελεύθερα προσβάσιμο στην ηλεκτρονική διεύθυνση https://gomezvarelalab.em.mpg.de/codop/.