Online εργαλείο υπολογίζει τις πιθανότητες να εισαχθεί ασθενής με COVID-19 σε ΜΕΘ

Υγεία

Ερευνητές στο Πανεπιστήμιο της Καλιφόρνια ανέπτυξαν ένα διαδικτυακό εργαλείο που εκτιμάει πόσες πιθανότητες έχει κάποιος ασθενής που έχει νοσήσει με COVID-19 να καταλήξει σε ΜΕΘ.

Τρίτη, 22/12/2020 - 12:00

— Photo: EUROKINISSI

Γιώργος Παπαϊωάννου

Στο Πανεπιστήμιο της Καλιφόρνια, στο Ιρβάιν ερευνητές επιστημών υγείας έχουν δημιουργήσει ένα μοντέλο μηχανικής μάθησης για να προβλέψουν την πιθανότητα που έχει ένας ασθενής με COVID-19 να χρειαστεί έναν αναπνευστήρα ή να νοσηλευτεί σε ΜΕΘ. Το εργαλείο είναι δωρεάν και διαθέσιμο online για κάθε οργανισμό υγειονομικής περίθαλψης για χρήση.

«Ο στόχος είναι να δοθεί μια προηγούμενη ειδοποίηση στους κλινικούς ιατρούς για να προσδιορίσει τους ασθενείς που μπορούν να είναι ευάλωτοι στην αρχή,» αναφέρει ο Daniel S. Chow, ένας βοηθός καθηγητή στις ακτινολογικές επιστήμες και πρώτος συντάκτης της μελέτης, που δημοσιεύεται στο PLOS ONE. Το εργαλείο προβλέπει αν η κατάσταση ενός ασθενούς θα επιδεινωθεί μέσα σε 72 ώρες.

Σε συνδυασμό με τη λήψη αποφάσεων ειδικά για τη ρύθμιση της υγειονομικής περίθαλψης στην οποία χρησιμοποιείται το εργαλείο, το μοντέλο χρησιμοποιεί το ιατρικό ιστορικό ενός ασθενούς για να καθορίσει ποιος μπορεί να σταλεί στο σπίτι και ποιος θα χρειαστεί κρίσιμη φροντίδα. Η μελέτη διαπίστωσε ότι στο UCI Υγείας, οι προβλέψεις του εργαλείου ήταν ακριβείς περίπου 95 τοις εκατό.

«Θα μπορούσαμε να αξιοποιήσουμε αυτό το εργαλείο από την άποψη της πρόβλεψης του αριθμού των κρεβατιών ΜΕΘ που θα μπορούσαμε να χρειαστούμε,» ανέφερε ο Alpesh N. Amin, ο Thomas & Mary Cesario πρόεδρος της ιατρικής και ένας εκ των συντακτών της μελέτης.

Τι δεδομένα αξιοποιεί το online εργαλείο

Οι ερευνητές άρχισαν να συλλέγουν δεδομένα ασθενών COVID-19 στο UCI Health τον Ιανουάριο του 2020, επιτρέποντάς τους να παράγουν ένα πρωτότυπο του εργαλείου μέχρι τον Μάρτιο και να ξεκινήσουν αυτή τη μελέτη λίγο μετά.

Το μοντέλο μηχανικής μάθησης χρησιμοποίησε δεδομένα ασθενών από το UCI Health για να δημιουργήσει έναν αλγόριθμο που χρησιμοποιεί προϋπάρχουσες παθήσεις - όπως άσθμα, υπέρταση και παχυσαρκία - αποτελέσματα νοσοκομειακών εξετάσεων και δημογραφικά δεδομένα για να υπολογίσει την πιθανότητα ότι ένας ασθενής θα χρειαστεί έναν αναπνευστήρα ή φροντίδα ΜΕΘ.

Αν και η μελέτη βασίστηκε σε ασθενείς από την UCI Health - οι οποίοι ήταν κυρίως Ασιάτες-Αμερικανοί, Λατίνοι και Καυκάσιοι - οι ερευνητές εξέτασαν επίσης το εργαλείο με 40 ασθενείς στο Πανεπιστήμιο Emory στην Ατλάντα για να δουν αν θα λειτουργούσε με διαφορετικό πληθυσμό ασθενών και αυτό συνέβη με επιτυχία.