Международная группа ученых под руководством специалистов из Политехнического института Ренсселера разработала нейросеть, способную предсказать необходимость интенсивной терапии у больных с вызванной COVID-19 пневмонией в 96% случаев. Исследование еще не рецензировалось, предварительные данные были опубликованы в журнале Medical Image Analysis.
РекламаХотя у большинства пациентов COVID-19 протекает в сравнительно легкой форме, некоторые сталкиваются с тяжелой пневмонией, которая приводит к острой дыхательной недостаточности и требует подключения к аппарату ИВЛ. Но количество мест в отделениях интенсивной терапии ограничено, и, по мере увеличения числа зараженных, врачам приходится выбирать, кому из тяжелобольных пациентов помощь окажется нужнее.
Те, у кого развивается наиболее тяжелая форма COVID-19, имеют ряд общих черт, и машина может найти их быстрее человека, отмечают ученые.
На данный момент уже существуют нейросети, позволяющие определить, кому из больных может потребоваться интенсивная терапия. Алгоритмы анализируют снимки легких и могут найти признаки пневмонии в 90% случаев. Однако они не дают возможности определить, насколько тяжело будет протекать болезнь и кто из пациентов наиболее уязвим.
Чтобы создать более совершенный алгоритм, авторы работы использовали дополнительные данные — демографическую информацию, результаты анализов, жизненные показатели.
Более ранние исследования показали, что роль играет уровень калия, билирубина, креатинина и альбумина, процент лимфоцитов. Также важны возраст, температура, изменения в дыхании и многие другие факторы.
Авторы работы учли максимум информации. Сначала алгоритм анализирует количество и выраженность симптомов, связанных с дыхательной системой. Затем фокусируется на особенностях, наиболее важных для прогнозирования развития пневмонии. И, наконец, корректирует результаты с помощью прочих контекстных данных, что позволяет определить, какие случаи окажутся наиболее тяжелыми.
Они проверили новый алгоритм на 295 пациентах, поступавших в больницы США, Италии и Ирана.
Нейросеть оказалась способна предсказать, кому потребуется интенсивная терапия, в 96% случаев.
«Как специалист по искусственному интеллекту, я верю в эффективность такого подхода, — говорит один из авторов исследования Пинкун Ян. — Он действительно позволяет нам анализировать большое количество данных, а также выявлять особенности, которые могут быть не так очевидны для человеческого глаза».
«Насколько нам известно, это первое исследование, в котором для прогнозирования результата используется целостная информация о пациенте, включающая как визуальные, так и не визуальные данные», — пишут исследователи.
Команда надеется, что дальнейшее совершенствование алгоритма позволит использовать для скрининга пациентов из группы высокого риска с пневмонией, которым требуется более тщательное наблюдение и уход.
Хотя группа не проверяла, насколько алгоритм эффективен в отношении других заболеваний, схожесть пневмонии при COVID-19 и других болезней позволяет предположить, что он может быть полезен и тогда, когда пандемия закончится.
«Мы полагаем, что разработку можно будет использовать и для оценки состояния при других болезнях легких, — говорит Ян. — Если при оценке использовать данные о сердечно-сосудистых заболеваниях, можно более точно предсказать риск смерти и помочь справиться с болезнью».
Ранее ученые из Массачусетского технологического университета разработали нейросеть, способную определить коронавирус по звуку кашля. Использовав данные об изменении в работе дыхательных путей и легких и натренировав нейросеть на образцах кашля людей с бессимптомным коронавирусом, исследователи смогли создать достаточно точный и надежный инструмент предварительной диагностики.
Даже на начальном этапе нейросеть оказалась способна определить людей с COVID-19 по нескольким параметрам, включая силу голосовых связок, изменения в работе легких и дыхательных путей, мышечную деградацию.
К концу обучения нейросети исследователям удалось добиться точности в 98,5% при определении людей с COVID-19, включая тех, у кого не было симптомов. Ее создатели надеются, что в ближайшем будущем этот инструмент можно будет использовать для массовой первичной диагностики.
