Η εκτίμησή μας:

Ένα μοντέλο τεχνητής νοημοσύνης (AI) μπορεί να αποκλείσει τη μόλυνση με COVID-19 μεταξύ των ατόμων που φτάνουν στο νοσοκομείο, πριν τα αποτελέσματα των δοκιμών επιχρίσματος ιών.

Ερευνητές στο Πανεπιστήμιο της Οξφόρδης χρησιμοποίησαν δεδομένα από περισσότερες από 115.000 επισκέψεις νοσοκομείων από ενήλικες και πέντε εκατομμύρια εργαστηριακές εξετάσεις ρουτίνας, για να «εκπαιδεύσουν» έναν αλγόριθμο για να προβλέψουν ποιος είχε το SARS-CoV-2, τον ιό που προκαλεί το COVID-19.

Χρησιμοποίησαν πληροφορίες που θα μπορούσαν να συγκεντρωθούν εντός μίας ώρας από την άφιξη του ασθενούς στο νοσοκομείο. Οι τακτικές εξετάσεις αίματος και τα ζωτικά σημεία (όπως πόσο γρήγορα ο ασθενής αναπνέει) έδωσαν τις πιο χρήσιμες πληροφορίες και αυτός ο τύπος πληροφοριών χρησιμοποιήθηκε για τη δημιουργία του αλγορίθμου τους. Η δοκιμή του αλγορίθμου σε ένα επιπλέον δείγμα ενηλίκων που παρευρίσκονταν στο νοσοκομείο έδειξε ότι είχε καλή απόδοση για να αποκλείσει το COVID-19, αν και δεν αναγνωρίζει όλους όσοι έχουν λοίμωξη.

Προς το παρόν, τα αποτελέσματα των δοκιμών επιχρίσματος για τον ιό για την επιβεβαίωση του COVID-19 μπορεί να χρειαστούν 24 ώρες ή περισσότερο για να φτάσουν. Εάν τα νοσοκομεία μπορούσαν να αποκλείσουν το COVID-19 σε μερικούς ανθρώπους προτού ήταν διαθέσιμα τα αποτελέσματα των δοκιμών, θα μπορούσε να κάνει την έγκαιρη θεραπεία (και την ανάγκη ελέγχου των λοιμώξεων) πιο απλή. Η μελέτη πρέπει ακόμη να ελεγχθεί από ειδικούς αναθεωρητές και πιθανόν να απαιτηθούν περαιτέρω δοκιμές του αλγορίθμου σε άλλες ρυθμίσεις προτού χρησιμοποιηθεί ευρύτερα.

Από πού προέκυψε αυτή η ιστορία;

Ο Καθημερινή αλληλογραφία ήταν ένα από τα ειδησεογραφικά πρακτορεία που ανέφεραν το «νέο τεστ AI» για το COVID-19. Οι πληροφορίες προήλθαν από το νοσοκομείο John Radcliffe του Πανεπιστημίου της Οξφόρδης, το οποίο κατέστησε διαθέσιμα τα αποτελέσματά τους μελέτη. Η μελέτη δεν έχει ακόμη δημοσιευτεί σε ένα περιοδικό με κριτές, οπότε δεν έχει ελεγχθεί από ειδικούς κριτές για να βεβαιωθεί ότι οι μέθοδοι και τα αποτελέσματα είναι αξιόπιστα.

Ποια είναι η βάση του ισχυρισμού;

Οι ερευνητές στο Πανεπιστήμιο της Οξφόρδης χρησιμοποίησαν όλες τις ιατρικές πληροφορίες που συλλέχθηκαν συνήθως για δύο ομάδες ατόμων που παρευρίσκονταν στο τμήμα ατυχημάτων και έκτακτης ανάγκης, ή εισήχθησαν στο νοσοκομείο για φροντίδα μιας οξείας (δηλαδή όχι χρόνιας) κατάστασης:

  • όσοι παρευρέθηκαν μεταξύ 1 Δεκεμβρίου 2017 και 1 Δεκεμβρίου 2019, κανένας από τους οποίους δεν θα είχε COVID-19 (114.957 συμμετοχές)
  • όσοι παρευρέθηκαν μεταξύ 1ης Δεκεμβρίου 2019 και 19 Απριλίου 2020, οι οποίοι είχαν θετικό τεστ για το COVID-19 (534 συμμετοχές)

Οι πληροφορίες περιελάμβαναν την ηλικία, το φύλο και το εθνικό υπόβαθρο των ανθρώπων, καθώς και βασικές πληροφορίες όπως τα αποτελέσματα των εξετάσεων αίματος ρουτίνας, τα επίπεδα οξυγόνου στο αίμα και ζωτικά σημεία, όπως η θερμοκρασία, ο καρδιακός ρυθμός και η αναπνοή.

Ταΐζουν τις πληροφορίες σε ένα μοντέλο τεχνητής νοημοσύνης υπολογιστή, για να τους διδάξουν να εντοπίζουν διαφορές στα μοτίβα πληροφοριών μεταξύ ατόμων που είχαν θετικές εξετάσεις για τον ιό και ατόμων που δεν είχαν τον ιό. Χρησιμοποίησαν 80% των δεδομένων για να «εκπαιδεύσουν» τον αλγόριθμο και στη συνέχεια δοκίμασαν τον αλγόριθμο στα υπόλοιπα 20% των δεδομένων.

Όταν εξετάζονταν είτε άτομα που παρουσιάζονταν στο τμήμα επείγουσας ανάγκης, είτε άτομα που εισήχθησαν στο νοσοκομείο, το μοντέλο ταυτοποίησε σωστά 77% των ατόμων που είχαν τον ιό και ταυτοποίησε σωστά περίπου 95% εκείνων που δεν είχαν τον ιό. Αυτά τα αποτελέσματα σήμαναν ότι εάν ο αλγόριθμος προέβλεπε ότι ένα άτομο δεν είχε SARS-CoV-2, οι γιατροί θα μπορούσαν να είναι πάνω από 99% σίγουροι ότι δεν το είχαν.

Μετά από αυτήν την περίοδο «προπόνησης», οι ερευνητές δοκίμασαν το μοντέλο σε δεδομένα που συλλέχθηκαν από όλους τους ασθενείς που είχαν παρευρεθεί στο νοσοκομείο από τις 20 Απριλίου έως τις 6 Μαΐου 2020, για να δουν πόσο καλά το μοντέλο θα μπορούσε να προβλέψει ποιος ήταν θετικός για το SARS-CoV-2. Αυτό το δείγμα περιελάμβανε 3.326 άτομα που παρακολούθησαν το τμήμα έκτακτης ανάγκης και 1.715 άτομα που εισήχθησαν στο νοσοκομείο. Σε αυτά τα δείγματα, ο αλγόριθμος είχε επίσης καλή απόδοση και περισσότεροι από 97% από αυτούς που ο αλγόριθμος είπε ότι δεν είχαν COVID-19 αποδείχθηκαν αρνητικοί για το SARS-CoV-2.

Τι λένε οι αξιόπιστες πηγές;

Δεδομένου ότι πρόκειται για έρευνα σε αρχικό στάδιο, η οποία αναμένει ακόμη την αξιολόγηση από ομοτίμους από εμπειρογνώμονες, κανένας επίσημος φορέας δεν έχει σχολιάσει τη μελέτη.

Ο αλγόριθμος θα χρειαστεί περαιτέρω δοκιμές για να προσδιορίσει εάν λειτουργεί παρόμοια σε ασθενείς σε άλλα νοσοκομεία και σε άλλες ρυθμίσεις (όπως σε διαφορετικές χώρες) και για μεγαλύτερες χρονικές περιόδους καθώς τα ποσοστά μόλυνσης ποικίλλουν.

Οι γιατροί θα πρέπει επίσης να σκεφτούν πόσο χρήσιμος είναι ο αλγόριθμος στη ρύθμιση τους και πώς ο αλγόριθμος και τα αποτελέσματά του θα μπορούσαν να ενσωματωθούν στις διαδικασίες ελέγχου και ελέγχου των λοιμώξεων. Για παράδειγμα, καθώς ο αλγόριθμος λείπει από ορισμένα άτομα με COVID-19, οι γιατροί θα πρέπει να αποφασίσουν εάν θα συνεχίσουν να χρησιμοποιούν εξετάσεις επιχρίσματος για να προσδιορίσουν εκείνους που δεν έχουν χάσει τον αλγόριθμο και να αποφασίσουν ποια μέτρα ελέγχου της λοίμωξης θα ήταν κατάλληλα κατά τη διαχείριση των ασθενών που προβλέπεται να να είναι αρνητικό για το COVID-19 στον αλγόριθμο.

Ανάλυση από την EIU Healthcare , υποστηριζόμενη από τη Reckitt Benckiser

Παραπομπή

  1. Οι Soltan AS et al. Η αξιολόγηση βάσει τεχνητής νοημοσύνης των δεδομένων της υγειονομικής περίθαλψης που συλλέγονται συνήθως είναι μια αποτελεσματική δοκιμασία διαλογής για το COVID-19 σε ασθενείς που παρουσιάζονται στο νοσοκομείο. Προεκτύπωση διαθέσιμη στο medRxiv 2020.07.07.20148361; doi: https://doi.org/10.1101/2020.07.07.20148361 (Πρόσβαση στις 25 Αυγούστου 2020).