Sztuczna inteligencja (AI) może dostarczać wyniki oceny oporności na leczenie przeciwbakteryjne pacjentów na oddziałach intensywnej terapii (OIT) już tego samego dnia, co ma kluczowe znaczenie w zapobieganiu sepsie, będącej zagrożeniem życia.
Problem oporności na antybiotyki
Oporność na antybiotyki, czyli proces, w którym mikroorganizmy rozwijają mechanizmy obronne przeciwko leczeniu, stanowi ogromne wyzwanie dla globalnej opieki zdrowotnej. Szacuje się, że problem ten przyczynia się do śmierci 1,2 miliona osób rocznie oraz generuje ogromne koszty dla systemów opieki zdrowotnej, takich jak NHS, gdzie wydatki z tego tytułu wynoszą co najmniej 180 milionów funtów rocznie.
Gdy infekcje krwi stają się oporne na antybiotyki, mogą prowadzić do sepsy – stanu zagrażającego życiu, w którym zakażenie rozprzestrzenia się w organizmie, wywołując niewydolność narządów, wstrząs, a nawet śmierć. W momencie, gdy sepsa się rozwinie, pacjenci mają wysokie ryzyko szybkiego pogorszenia stanu zdrowia.
Pewne grupy pacjentów są bardziej podatne na oporność na antybiotyki niż inne. Ma na to wpływ m.in. wcześniejsze przyjmowanie antybiotyków, genetyka, a także dieta, która może zmieniać mikrobiom człowieka – czyli zespół mikroorganizmów żyjących w ludzkim organizmie.
Rozwiązanie: AI w diagnostyce na oddziałach intensywnej terapii
Naukowcy z King’s College London oraz klinicyści z Guy’s and St Thomas’ NHS Foundation Trust połączyli siły, aby opracować nową metodę, wykorzystującą sztuczną inteligencję do analizy oporności na leki przeciwbakteryjne u pacjentów OIT. Używając AI, badacze są w stanie szybko zidentyfikować infekcje krwi, które mogą prowadzić do sepsy.
Ten interdyscyplinarny projekt daje nadzieję na poprawę wyników leczenia krytycznie chorych pacjentów. Dzięki zastosowaniu algorytmów uczenia maszynowego, naukowcy mogą skrócić czas oczekiwania na diagnozę i ocenić stan pacjenta tego samego dnia. Jest to szczególnie istotne w miejscach o ograniczonych zasobach, gdzie dostęp do pełnych badań może być problematyczny. Co więcej, metoda ta jest znacznie tańsza niż tradycyjne, manualne testy laboratoryjne.
Tradycyjne metody diagnostyki a nowa technologia
Obecnie, ocena pacjentów na oddziałach intensywnej terapii jest procesem czasochłonnym. Aby zidentyfikować oporność na antybiotyki, konieczne jest hodowanie bakterii w laboratorium, co może trwać nawet do pięciu dni. W przypadku pacjentów OIT, którzy są w stanie zagrożenia życia, taki czas oczekiwania może mieć dramatyczne konsekwencje dla wyników leczenia.
Dzięki szybszej diagnostyce, lekarze mogliby podejmować lepsze, bardziej świadome decyzje dotyczące leczenia, w tym tego, czy i jakie antybiotyki należy zastosować. Odpowiednie i szybkie wykorzystanie antybiotyków ma ogromne znaczenie dla poprawy zdrowia pacjentów.
Wypowiedzi ekspertów
Davide Ferrari, główny autor badań z King’s College London, podkreślił znaczenie ich pracy:
„Nasze badanie dostarcza kolejnych dowodów na korzyści płynące z zastosowania sztucznej inteligencji w opiece zdrowotnej, tym razem dotyczących kluczowych problemów, jakimi są oporność na antybiotyki i infekcje krwi. Nasze podejście oparte na uczeniu maszynowym dostarcza nowego narzędzia dla klinicystów, pomagając im podejmować ważne decyzje, szczególnie na oddziałach intensywnej terapii.”
Dr Lindsey Edwards, ekspertka w dziedzinie mikrobiologii z King’s College London, dodała:
„Ważnym sposobem na walkę z zagrożeniem, jakim jest oporność na antybiotyki, jest ochrona dostępnych już antybiotyków, co idzie w parze z pilną potrzebą szybkiej diagnostyki. Często pacjenci z infekcją oporną na leki przychodzą na OIT w stanie krytycznym i mogą nie przeżyć wystarczająco długo, aby aktualne standardy diagnostyki miały czas zidentyfikować, z czym mają do czynienia. Znajdując się w tej sytuacji, lekarze są zmuszeni do podawania szerokospektralnych antybiotyków, co z kolei może zniszczyć korzystne mikroorganizmy w mikrobiomie pacjenta, bez skutecznego zwalczania patogenu.”
Dane i dalsze badania
W badaniach wykorzystano dane z 1,142 pacjentów z Guy’s and St Thomas’ NHS Foundation Trust. Wyniki te otwierają drogę do dalszych badań, które mają objąć większe grupy pacjentów – nawet ponad 20,000 osób. Naukowcy mają nadzieję, że zaawansowane podejścia, takie jak Federated Machine Learning (rodzaj uczenia maszynowego, w którym dane są przetwarzane w sposób bardziej rozproszony i bez konieczności centralizacji), pozwolą na spełnienie wymagań regulacyjnych i wdrożenie tej metody na szeroką skalę w NHS.
Profesor Yanzhong Wang z King’s College London podsumował:
„Prostota i skalowalność tego innowacyjnego podejścia opartego na uczeniu maszynowym wskazują na jego potencjał do powszechnego wdrożenia, oferując solidne rozwiązanie dla kluczowych problemów w opiece zdrowotnej i poprawiając wyniki leczenia pacjentów na większą skalę.”
Podsumowanie
Wdrażanie sztucznej inteligencji w diagnostyce odporności na antybiotyki to krok naprzód w walce z jednym z największych zagrożeń współczesnej medycyny. Dzięki możliwości szybszego diagnozowania pacjentów na oddziałach intensywnej terapii, AI może znacznie poprawić wyniki leczenia i przyczynić się do ochrony dostępnych antybiotyków.
