AI

Un team di ricercatori dell’Università di Yale e di altre istituzioni a livello globale ha sviluppato un’innovativa piattaforma di triage dei pazienti alimentata dall’intelligenza artificiale (AI) che secondo i ricercatori è in grado di prevedere la gravità della malattia del paziente e la durata del ricovero durante un’epidemia virale.

La piattaforma, che sfrutta l’apprendimento automatico e i dati della metabolomica, ha lo scopo di migliorare la gestione dei pazienti e aiutare gli operatori sanitari ad allocare le risorse in modo più efficiente durante gravi epidemie virali che possono rapidamente sopraffare i sistemi sanitari locali. La metabolomica è lo studio di piccole molecole legate al metabolismo cellulare.

“Essere in grado di prevedere quali pazienti possono essere rimandati a casa e quelli che potrebbero aver bisogno di ricovero in unità di terapia intensiva è fondamentale per i funzionari sanitari che cercano di ottimizzare i risultati sanitari dei pazienti e utilizzare le risorse ospedaliere in modo più efficiente durante un’epidemia”, ha affermato l’autore senior Vasilis Vasiliou, professore di epidemiologia presso la Yale School of Public Health.

I ricercatori hanno sviluppato la piattaforma utilizzando COVID-19 come modello di malattia. I risultati sono stati pubblicati online sulla rivista Human Genomics il 28 agosto.

La piattaforma integra dati clinici di routine, informazioni sulla comorbilità dei pazienti e dati metabolomici del plasma non mirati per guidare le sue previsioni.

"La nostra piattaforma di triage dei pazienti basata sull'intelligenza artificiale è diversa dai tipici modelli di previsione dell'intelligenza artificiale per il COVID-19", ha affermato Georgia Charkoftaki, autrice principale dello studio e ricercatrice associata presso il Dipartimento di scienze della salute ambientale presso YSPH. pietra angolare per un approccio proattivo e metodico per affrontare le imminenti epidemie virali."

Utilizzando l’apprendimento automatico, i ricercatori hanno costruito un modello della gravità del COVID-19 e della previsione del ricovero in ospedale sulla base di dati clinici e profili metabolici raccolti dai pazienti ricoverati con la malattia. “Il modello ci ha portato a identificare un pannello di biomarcatori clinici e metabolici unici che erano altamente indicativi della progressione della malattia e consentono di prevedere le esigenze di gestione del paziente molto presto dopo il ricovero”, hanno scritto i ricercatori nello studio.

Essere in grado di prevedere quali pazienti possono essere rimandati a casa e quelli che potrebbero aver bisogno di ricovero in terapia intensiva è fondamentale per i funzionari sanitari che cercano di ottimizzare i risultati sanitari dei pazienti e utilizzare le risorse ospedaliere in modo più efficiente durante un’epidemia.

Per lo studio, il gruppo di ricerca ha raccolto dati completi da 111 pazienti COVID-19 ricoverati all’ospedale Yale New Haven durante un periodo di due mesi nel 2020 e da 342 individui sani (operatori sanitari) che hanno servito come controlli. I pazienti sono stati classificati in diverse classi in base alle loro esigenze di trattamento, che vanno dal non richiedere ossigeno esterno al richiedere la pressione positiva delle vie aeree o l'intubazione.

Lo studio ha identificato una serie di metaboliti elevati nel plasma che avevano una correlazione distinta con la gravità del COVID-19. Includevano allantoina, 5-idrossi triptofano e acido glucuronico.

In particolare, è stato scoperto che i pazienti con livelli elevati di eosinofili nel sangue avevano una prognosi peggiore della malattia, esponendo un potenziale nuovo biomarcatore per la gravità del COVID-19. I ricercatori hanno anche notato che i pazienti che hanno richiesto la pressione positiva delle vie aeree o l’intubazione hanno mostrato una diminuzione dei livelli plasmatici di serotonina, una scoperta inaspettata che, secondo loro, merita ulteriori ricerche.

La piattaforma di triage dei pazienti assistita dall'intelligenza artificiale ha tre componenti essenziali:

Nell'ambito dello studio, il gruppo di ricerca ha sviluppato un software di facile utilizzo – il software COVID Severity by Metabolomic and Clinical Study (CSMC) – che integra l'apprendimento automatico e i dati clinici per fornire una gestione pre-ospedaliera dei pazienti e classificare le condizioni dei pazienti al loro arrivo al pronto soccorso.

“La nostra piattaforma modello fornisce un approccio personalizzato per la gestione dei pazienti affetti da COVID-19, ma getta anche le basi per future epidemie virali”, ha affermato Vasiliou, presidente del Dipartimento di scienze della salute ambientale dell’YSPH e professoressa di Epidemiologia (Salute ambientale) di Susan Dwight Bliss. Scienze). “Mentre il mondo continua a lottare contro il COVID-19 e noi rimaniamo vigili contro potenziali epidemie future, la nostra piattaforma basata sull’intelligenza artificiale rappresenta un passo promettente verso una risposta sanitaria pubblica più efficace e basata sui dati”.