Pneumonia este una dintre principalele cauze de deces la nivel mondial şi reprezintă 20% din spitalizările din Statele Unite. Din punct de vedere istoric, boala a fost clasificată în funcţie de modul sau locul în care a fost contractată, ceea ce nu este un bun predictor al rezultatelor individuale. Acum, o abordarea de învăţare automată, care utilizează înregistrările medicale, poate identifica cinci „stări” de pneumonie cu prognosticuri previzibile. Trei dintre stările clinice identificate sunt puternic asociate cu rezultatele, o stare a bolii estimând o rată de deces de 7,5% în 24 de ore.
Doi pacienţi trataţi pentru pneumonie, o infecţie care cauzează dificultăţi de respiraţie din cauza sacilor plini cu lichid din plămâni, pot arăta extrem de diferit şi pot avea rezultate opuse. Cu toate acestea, medicii se străduiesc să estimeze cu exactitate prognosticul pacienţilor şi să stabilească cele mai eficiente tratamente.
Acum, prin aplicarea unei abordări sofisticate de învăţare automată la înregistrările medicale electronice ale pacienţilor cu pneumonie, cercetătorii de la Universitatea americană Northwestern au descoperit cinci stări clinice distincte în pneumonie, dintre care trei sunt puternic asociate cu rezultatele bolii şi două care pot ajuta medicii să determine cauza bolii.
Una dintre stări a fost asociată cu o şansă de 7,5% de a muri în decurs de 24 de ore.
Lucrarea care descrie noua abordare şi datele utilizate pentru dezvoltarea acesteia va fi publicată online la sfârşitul acestei săptămâni în revista Proceedings of the National Academy of Sciences (PNAS).
Cercetătorii spun că abordarea are potenţialul de a ajuta clinicienii să ia decizii de tratament mai bine informate pentru pacienţii în stare critică şi să fie aplicată la scară mult mai largă.
Pneumonia, una dintre principalele cauze de deces la nivel mondial, este în mod inerent dificil de tratat din cauza diverselor moduri în care se poate prezenta şi dobândi şi a potenţialului său de utilizare excesivă a antibioticelor.
Din punct de vedere tradiţional, medicii au folosit cauza pentru a diferenţia pacienţii cu pneumonie din unităţile de terapie intensivă, grupându-i în trei categorii: dobândite în comunitate (ceea ce ar putea însemna o infecţie bacteriană sau virală anterioară), dobândite în spital şi dobândite prin ventilaţie (dezvoltate după ce un pacient necesită ventilaţie mecanică).
Dar Luís Amaral de la Northwestern, autorul principal al studiului, a declarat că aceste date spun de fapt medicilor surprinzător de puţin despre şansele de recuperare ale unui pacient.
„Alte abordări pentru clasificarea stării pacienţilor cu pneumonie nu sunt la fel de distincte”, spune prof. Amaral într-un comunicat al universităţii. „Ele fac o treabă mai proastă de a estima progresia bolii şi prognosticul, ceea ce este deosebit de relevant pentru deciziile de la sfârşitul vieţii. Studiul nostru este primul care demonstrează existenţa unor stări clinice distincte, robust identificabile”, adaugă cercetătorul, un expert în sisteme complexe şi ştiinţa datelor, profesor de ştiinţe inginereşti şi matematică aplicată în cadrul facultăţii politehnice McCormick de la Northwestern.
El a precizat că înţelegerea şanselor de supravieţuire ale pacienţilor poate ajuta la pregătirea membrilor familiei pentru o potenţială pierdere şi poate ajuta medicii să evite supra-tratamentul.
Cele cinci stări integrează mai multe tipuri de date (temperatura corpului, rata respiraţiei, nivelurile de glucoză, nivelurile de oxigenare etc.) pentru a stabili relaţii între diferite măsuri.
Cercetătorii au constatat că acele combinaţii liniare ale variabilelor care caracterizează răspunsul motor, funcţia renală, ritmul cardiac, tensiunea arterială sistolică, frecvenţa respiratorie şi tensiunea arterială ridicată au furnizat cele mai multe informaţii despre starea unui pacient.
Echipa a depăşit mai multe provocări pe măsură ce a dezvoltat o suită de instrumente de învăţare automată pentru a grupa stările pacienţilor din două surse de date ale pacienţilor, una a unui proiect Northwestern numit SCRIPT şi cealaltă a unui set de date clinice standard.
În primul rând, mai multe tipuri de date au trebuit să fie integrate, deşi au fost colectate la frecvenţe diferite. De asemenea, au trebuit să dezvolte un nou test care să indice fiabilitatea abordării. În al treilea rând, ei au trebuit să determine dacă informaţiile conţinute în aceste variabile fiziologice ar putea fi „comprimate” într-un număr mult mai mic de combinaţii ale acestor variabile.
Datele rezultate le-au permis cercetătorilor să identifice cinci grupuri distincte - pe care le-au echivalat cu stări clinice distincte - a căror valoare în estimarea mortalităţii pacienţilor a fost considerabil mai mare decât cea a abordărilor actuale.
În mod surprinzător, unul dintre clusterele identificate a colectat majoritatea pacienţilor a căror pneumonie a fost asociată cu o infecţie Covid-19.
Autorii au precizat că, pneumonia cauzată de Covid-19 este distinctă de alte forme ale bolii.
Progresele tehnice dezvoltate în timpul acestei cercetări pot fi utile în alte contexte. De fapt, potrivit lui Feihong Xu, autorul principal al studiului şi student absolvent în laboratorul lui Amaral, echipa „aplică acum aceste tehnici la datele experimentale dintr-un model de sepsis la şoarece”.
Deocamdată, analiza lor nu a investigat încă motivul pentru care unii pacienţi avansează de la o stare la alta, lucru pe care cercetătorii îl studiază acum.
Cercetările viitoare, atât cu privire la pneumonie, cât şi la alte boli, ar putea constitui în cele din urmă baza unor opţiuni de tratament mai eficiente şi mai previzibile.
