KI

Ein Forscherteam der Yale University und anderer Institutionen weltweit hat eine innovative Patiententriage-Plattform entwickelt, die auf künstlicher Intelligenz (KI) basiert und den Forschern zufolge in der Lage ist, den Schweregrad der Erkrankung des Patienten und die Dauer des Krankenhausaufenthalts während eines Virusausbruchs vorherzusagen.

Die Plattform, die maschinelles Lernen und Metabolomics-Daten nutzt, soll das Patientenmanagement verbessern und Gesundheitsdienstleistern dabei helfen, Ressourcen bei schweren Virusausbrüchen, die die lokalen Gesundheitssysteme schnell überfordern können, effizienter zu verteilen. Unter Metabolomik versteht man die Untersuchung kleiner Moleküle, die mit dem Zellstoffwechsel in Zusammenhang stehen.

„Vorhersagen zu können, welche Patienten nach Hause geschickt werden können und welche möglicherweise eine Aufnahme auf die Intensivstation benötigen, ist für Gesundheitsbehörden von entscheidender Bedeutung, die die Gesundheitsergebnisse der Patienten optimieren und Krankenhausressourcen während eines Ausbruchs möglichst effizient nutzen möchten“, sagte der leitende Autor Vasilis Vasiliou, Professor für Epidemiologie an der Yale School of Public Health.

Die Forscher entwickelten die Plattform anhand von COVID-19 als Krankheitsmodell. Die Ergebnisse wurden am 28. August online in der Zeitschrift Human Genomics veröffentlicht.

Die Plattform integriert routinemäßige klinische Daten, Informationen zur Patientenkomorbidität und ungezielte Plasma-Metabolomics-Daten, um ihre Vorhersagen voranzutreiben.

„Unsere KI-gestützte Patiententriage-Plattform unterscheidet sich von typischen COVID-19-KI-Vorhersagemodellen“, sagte Georgia Charkoftaki, eine Hauptautorin der Studie und assoziierte Forschungswissenschaftlerin in der Abteilung für Umweltgesundheitswissenschaften am YSPH. „Sie dient als Grundstein für einen proaktiven und methodischen Ansatz zur Bewältigung bevorstehender Virusausbrüche.“

Mithilfe von maschinellem Lernen erstellten die Forscher ein Modell für den Schweregrad von COVID-19 und die Vorhersage eines Krankenhausaufenthalts auf der Grundlage klinischer Daten und Stoffwechselprofile, die von Patienten gesammelt wurden, die mit der Krankheit ins Krankenhaus eingeliefert wurden. „Das Modell führte uns dazu, eine Reihe einzigartiger klinischer und metabolischer Biomarker zu identifizieren, die einen starken Hinweis auf das Fortschreiten der Krankheit lieferten und die Vorhersage des Patientenmanagementbedarfs sehr bald nach dem Krankenhausaufenthalt ermöglichten“, schreiben die Forscher in der Studie.

Die Fähigkeit, vorherzusagen, welche Patienten nach Hause geschickt werden können und welche möglicherweise eine Aufnahme auf die Intensivstation benötigen, ist für Gesundheitsbehörden von entscheidender Bedeutung, um die Gesundheitsergebnisse der Patienten zu optimieren und die Krankenhausressourcen während eines Ausbruchs möglichst effizient zu nutzen

Für die Studie sammelte das Forschungsteam umfassende Daten von 111 COVID-19-Patienten, die während eines zweimonatigen Zeitraums im Jahr 2020 in das Yale New Haven Hospital eingeliefert wurden, sowie von 342 gesunden Personen (Gesundheitspersonal), die als Kontrollpersonen dienten. Die Patienten wurden je nach Behandlungsbedarf in verschiedene Klassen eingeteilt, die von der Notwendigkeit, keinen externen Sauerstoff zu benötigen, bis zur Notwendigkeit eines positiven Atemwegsdrucks oder einer Intubation reichten.

Die Studie identifizierte eine Reihe erhöhter Metaboliten im Plasma, die einen deutlichen Zusammenhang mit dem Schweregrad von COVID-19 aufwiesen. Dazu gehörten Allantoin, 5-Hydroxy-Tryptophan und Glucuronsäure.

Insbesondere wurde festgestellt, dass Patienten mit erhöhten Eosinophilenwerten im Blut eine schlechtere Krankheitsprognose hatten, was einen potenziellen neuen Biomarker für den Schweregrad von COVID-19 aufdeckt. Die Forscher stellten außerdem fest, dass Patienten, die einen positiven Atemwegsdruck oder eine Intubation benötigten, einen verringerten Serotoninspiegel im Plasma aufwiesen, ein unerwarteter Befund, der ihrer Meinung nach weitere Forschung rechtfertigt.

Die KI-gestützte Patiententriage-Plattform besteht aus drei wesentlichen Komponenten:

Im Rahmen der Studie entwickelte das Forschungsteam eine benutzerfreundliche Software – die Software „COVID Severity by Metabolomic and Clinical Study“ (CSMC) – die maschinelles Lernen und klinische Daten integriert, um ein präklinisches Patientenmanagement zu ermöglichen und den Zustand der Patienten bei ihrer Ankunft zu klassifizieren in der Notaufnahme.

„Unsere Modellplattform bietet einen personalisierten Ansatz für die Behandlung von COVID-19-Patienten, legt aber auch die Grundlage für zukünftige Virusausbrüche“, sagte Vasiliou, Vorsitzender der YSPH-Abteilung für Umweltgesundheitswissenschaften und Susan Dwight Bliss-Professorin für Epidemiologie (Umweltgesundheit). Wissenschaften). „Während die Welt weiterhin mit COVID-19 zu kämpfen hat und wir wachsam gegenüber möglichen künftigen Ausbrüchen bleiben, stellt unsere KI-gestützte Plattform einen vielversprechenden Schritt hin zu einer wirksameren und datengesteuerten Reaktion im Bereich der öffentlichen Gesundheit dar.“

Zu den Einschränkungen der Studie gehört die Tatsache, dass alle Proben zwischen März und Mai 2020 gesammelt wurden, einem Zeitraum vor dem Aufkommen von COVID-19-Impfstoffen und bevor viele Behandlungen für das SARS-CoV-2-Virus, wie beispielsweise Remdesivir, verfügbar waren. Solche Behandlungen könnten die beobachteten Veränderungen bei Metaboliten-Biomarkern reduzieren. Zweitens bestand die Population der gesunden Kontrollpersonen hauptsächlich aus Weißen, während die COVID-19-Patienten einen höheren Anteil an Schwarzen umfassten. Daher kann die Möglichkeit nicht ausgeschlossen werden, dass Rasse/ethnische Zugehörigkeit ein Faktor ist, der zu Unterschieden in den Probanden beiträgt.

Forscher des Labors für Analytische Chemie an der Nationalen und Kapodistrias-Universität Athen, Griechenland; Imperial College of London; und das São Carlos Institute of Chemistry an der Universität von São Palo, Brasilien, trugen zu der Studie bei.