Искусственный интеллект поможет выявлять повреждение почек у пациентов с ожогами

Многие жертвы ожогов страдают от острого повреждения почек, но раннее выявление данного состояния остается сложной задачей. Теперь искусственный интеллект, разработанный в Калифорнийском университете (University of California) в Дэвисе и представленный в новом исследовании, поможет выявлять острое повреждение почек быстрее и точнее, чем когда-либо. Данное исследование опубликовано в журнале  Burns.

Актуальность проблемы

«Возможность прогнозировать острое повреждение почек у ожоговых пациентов с помощью ИИ является потенциальным прорывом для ожоговых центров», – сообщает Тина Пальмиери (Tina Palmieri), профессор Калифорнийского университета. «Если мы сможем своевременно прогнозировать развитие острого повреждения почки, мы можем принять меры для его предотвращения».

Что такое острое повреждение почек?

Острое повреждение почек (ОПП) – это внезапная почечная недостаточность или повреждение, вызывающее накопление отходов в крови и дисбаланс жидкости в организме. ОПП обычно развивается в течение первой недели тяжелого ожога или в первые критические 24 часа. ОПП является распространенным осложнением после тяжелого ожога (30% случаев).

Диагностика острого повреждения почек

Врачи обычно используют для диагностики традиционные биомаркеры, такие как креатинин в сыворотке (плазме) и количество мочи. Тем не менее, количество мочи и показатели креатинина считаются не специфическими биомаркерами ОПП.

Калифорнийский университет в Дэвисе был первым, кто определил роль нового биомаркера, известного как липокалин, связанный с NGAL (Neutrophil Gelatinase-Associated Lipoca- lin) — липокалин, ассоциированный с желатиназой нейтрофилов, или липокалин 2, в раннем прогнозировании ОПП у тяжелых пациентов с ожогами.

Несмотря на его сильную прогностическую силу, NGAL не был доступен в Соединенных Штатах, и для его интерпретации требовались более опытные клиницисты и лабораторные эксперты. Эта проблема подтолкнула к разработке модели машинного обучения искусственного интеллекта, чтобы упростить интерпретацию результатов теста NGAL.

Материалы и методы исследования

Созданная модель ИИ была обучена и протестирована на клинических лабораторных данных 50 взрослых пациентов с ожогами, у которых были проанализированы данные NGAL, количество выделенной мочи, креатинин и NT-proBNP в течение первых 24 часов после поступления. У половины пациентов в наборе данных ОПП развился в течение первой недели после поступления.

Результаты научного исследования

«Мы создали мощную модель ИИ с помощью нашего подхода k-Nearest Neighbor (метод ближнего соседа), который способен точно прогнозировать ОПП у пациентов за более короткий период», – сообщает один из авторов исследования Хуман Рашиди (Hooman Rashidi), профессор кафедры патологии и лабораторной медицины в UC Davis Health. «Исходя из данных о поступлении, модель может сократить время диагностики на сутки».

Среднее время от поступления до постановки диагноза с использованием традиционных биомаркеров составило 42,7 часа. Среднее время прогнозирования алгоритма ИИ составило всего 18,8 часа. Модель ИИ побила традиционный метод почти на целый день – критическое время для профилактики и лечения ОПП.

«Мы предполагаем, что такие платформы машинного обучения будут интегрированы в различные среды, как клинические так и полевые, что в конечном итоге может улучшить уход за пациентами, кто входит в группу риска развития ОПП», – добавил Рашиди.

Авторы другого исследования установили, что острое повреждение почек может вызвать проблемы с сердцем.