Δείγματα αίματος από ασθενείς με πολύ σοβαρή   COVID-19 μπορούν να αναλυθούν με μέθοδο μηχανικής μάθησης για να προβλεφθεί αν αυτοί οι ασθενείς θα επιβιώσουν ή θα πεθάνουν, αναφέρει έρευνα που δημοσιεύτηκε στο PLOS Digital Health. 

14 πρωτεΐνες που ανιχνεύτηκαν στα δείγματα άλλαξαν σε αντίθετες κατευθύνσεις σε ασθενείς που επέζησαν σε σύγκριση με όσους δεν επέζησαν.

Με βάση τα ευρήματα, ερευνητές του νοσοκομείου Charité Berlin, ανέπτυξαν μοντέλο μηχανικής μάθησης που προβλέπει την επιβίωση από COVID-19 με βάση μέτρηση αυτών των πρωτεϊνών.

Ο Florian Kurth δήλωσε ότι για τους γιατρούς είναι δύσκολο να υπολογίσουν τον ατομικό κίνδυνο του ασθενούς για επιδείνωσή και/ ή θάνατο.

Δήλωσε ότι η έρευνα δείχνει ότι συνδυασμός δεικτών σε μοντέλο πρόβλεψης κινδύνου με βάση την τεχνητή νοημοσύνη, μπορεί αρκετά καλά να προβλέψει την πιθανότητα επιβίωσης ή θανάτου ενός ασθενούς.

Οι ερευνητές δοκίμασαν το μοντέλο σε 24 σοβαρά άρρωστους ασθενείς με COVID-10 σε ΜΕΘ. Προέβλεψε σωστά το αποτέλεσμα σε 18 στους 19 ασθενείς που επέζησαν και στους 5 στους 5 που πέθαναν.

Οι ερευνητές μέτρησαν τα επίπεδα 321 πρωτεϊνών σε δείγματα αίματος που ελήφθησαν 349 φορές από 50 ασθενείς σε κρίσιμη κατάσταση που νοσηλεύτηκαν σε 2 νοσοκομεία. Ένα στη Γερμανία και ένα στην Αυστρία.

Από τους ασθενείς στην έρευνα, 15 πέθαναν εντός 28 ημερών κατά μέσον όρο από την ημέρα εισαγωγής στο νοσοκομείο. Από όσους επέζησαν, οι περισσότεροι πέρασαν 2 μήνες περίπου στο νοσοκομείο.

Σύμφωνα με τους ερευνητές, με  χρήση των 14 πρωτεϊνών, μέθοδος μηχανικής μάθησης μπορεί ενδεχομένως να είναι χρήσιμη στον εντοπισμό ασθενών με τον υψηλότερο κίνδυνο θανάτου και στην εξέταση του αν μια αγωγή αλλάζει τις πιθανότητες επιβίωσης για κάποιον ασθενή.