Search the Community

Ostre uszkodzenie nerek (AKI) jest jedną z najczęstszych przyczyn zgonów w szpitalach. W samym tylko 2014 roku doświadczyło go niemal 4 miliony Amerykanów, a każdego roku z jego powodu umierają setki tysięcy ludzi. Ci, którzy przeżyją często wymagają dializowania całymi miesiącami lub latami. Naukowcy z należącej do Google'a firmy DeepMind Health, postanowili zaprząc do pracy sztuczną inteligencję, by ta z wyprzedzeniem identyfikowała pacjentów narażonych na AKI. Zapobieganie ostremu uszkodzeniu nerek nie jest łatwe, gdyż u jego postaw leży wiele przyczyn. Zwykle pojawia się ono podczas rozległych operacji, komplikacji pooperacyjnych lub sepsy, mówi Joseph Vassalotti, nefrolog i prezes ds. medycznych w National Kidney Foundation. Niektóre leki mogą wywoływać też AKI jako skutek uboczny lub też jako reakcję układu odpornościowego, dodaje. Ponadto AKI może pojawiać się w wyniku zablokowania układu moczowego, zawału serca czy poparzeń. Ostre uszkodzenie nerek rozwija się bardzo szybko i przed pojawieniem się niemal nie daje objawów. Są nimi nagły wzrost kreatyniny i spadek funkcji nerek, najczęściej jednak wykrywa się te zjawiska gdy jest już za późno. W DeepMind Health powstał algorytm sztucznej inteligencji, który z 48-godzinnym wyprzedzeniem ma wykrywać ryzyko wystąpienia AKI. Testy wykazały, że ogólna dokładność prognoz algorytmu wynosi 55,8%, jednak dla przypadków cięższych, wymagających późniejszych dializ, trafność ta wynosi już 90,2%. Algorytm był trenowany na danych 703 782 osób pochodzących z bazy Departamentu ds. Weteranów. Były wśród nich informacje dotyczące wyników badań krwi, przyjmowanych leków, zabiegów lekarskich, przyjęć na oddziały szpitalne itp. itd. W sumie w danych znajdowało się ponad 600 000 różnych wskaźników. Na pierwszym etapie badań postanowiono odrzucić wskaźniki nieprzydatne do przewidywania AKI. Za pomocą technik głębokiego uczenia się wyodrębniono grupę 4000 wskaźników, które mogą odgrywać rolę w rozwoju ostrego uszkodzenia nerek. Dzięki temu udało się doprowadzić do sytuacji, gdzie lekarz ma szansę zapobiegać wystąpieniu AKI zamiast starać się ograniczać szkody. Autorzy badań sugerują, że wśród działań zapobiegających u pacjentów, u których może wystąpić AKI, może znaleźć się np. dożylne podawanie płynów, podawanie diuretyków, dodatkowe sprawdzenie, czy przepisane leki nie zaszkodzą nerkom. Vassalotti chwali prace specjalistów z DeepMind, jednak wątpi, czy algorytm przyda się w typowym szpitalu. Przypomina, że dane Departamentu Weteranów są znacznie bardziej dokładne niż typowe dane medyczne, a losy pacjentów trafiających w ciągu życia do różnych lekarzy i placówek medycznych są lepiej śledzone. To zresztą dlatego DeepMind chciało pracować właśnie z tymi danymi. Powstaje więc pytanie, czy algorytm sprawdzi się w sytuacji, gdy szpital nie ma żadnych lub ma niewiele informacji o historii pacjenta sprzed okresu, gdy został on przyjęty do tego szpitala. Ponadto Vassalotti zwraca uwagę na dwie inne słabości algorytmu. Po pierwsze dane kobiet stanowiły zaledwie 6% zestawu treningowego, po drugie algorytm dał dużo fałszywych pozytywnych odpowiedzi. Twórcy algorytmu zauważają, że zdecydowana większość z fałszywych pozytywnych sygnałów dotyczyła ludzi z wcześniejszymi problemami z nerkami. Specjaliści z DeepMind przyznają, że ich algorytm jest na wczesnym etapie rozwoju, przewidują jednak, że w przyszłości będzie go można również zastosować do przewidywania ryzyka wystąpienia sepsy, uszkodzenia wątroby czy komplikacji związanych z cukrzycą. « powrót do artykułu