Достижения ИИ в педиатрической помощи: предсказание экстубации для недоношенных детей

Исследователи из больницы Бангдан Университета Сеула (SNUBH) использовали возможности искусственного интеллекта (ИИ) для создания модели, которая помогает определить оптимальное время для экстубации недоношенных детей, нуждающихся в поддержке вентилятора после интубации. Этот прорыв дает многообещающие перспективы улучшения ухода за недоношенными детьми, с потенциальными последствиями для их респираторного и неврологического развития.

Разработка модели ИИ для успешной экстубации

Команда исследователей, включая профессоров Юн Хва Чунг и Чан Вон Чхве из кафедры педиатрии SNUBH, а также Ю Су Ён и Сон Вон Гюн из Управления исследований и бизнеса в области электронных здравоохранительных технологий SHUBH, поставила перед собой цель разработать прогностическую модель успешной экстубации недоношенных детей. Их усилия привели к значительному достижению, результаты которых были опубликованы в престижном Международном журнале медицинской информатики.

Проблема респираторной помощи недоношенным детям

Недоношенные дети, рожденные с незрелой дыхательной системой, часто сталкиваются с такими проблемами, как респираторный дистресс и апноэ вскоре после рождения. Эти трудности сохраняются по мере роста ребенка, что требует использования интубации и механической вентиляции до тех пор, пока ребенок не сможет дышать самостоятельно. Ключевая проблема заключается в определении оптимальной продолжительности поддержки вентилятором, чтобы избежать осложнений.

*Время имеет решающее значение при экстубации недоношенных детей. Длительное использование вентилятора может привести к аномальному росту легких и увеличить риск таких состояний, как бронхолегочная дисплазия, в то время как преждевременная экстубация может привести к гипоксии и гиперкапнии, что негативно сказывается на развитии мозга и усугубляет риск бронхолегочной дисплазии. Крайне важно найти правильный баланс.

Текущее состояние принятия решений об экстубации

В настоящее время не существует стандартизированных руководств по определению оптимального времени для экстубации недоношенных детей. Это решение обычно оставляется на усмотрение лечащих врачей. В среднем уровень успешной экстубации у недоношенных детей весом менее 1000 граммов составляет от 60% до 73%, что подчеркивает необходимость более точного подхода.

Чтобы устранить этот критический пробел, команда исследователей проанализировала данные о 678 недоношенных детей, родившихся в SNUBH в период с 2003 по 2019 год, которые были интубированы и помещены на инвазивную вентиляцию до достижения 32-недельного возраста. Используя алгоритмы машинного обучения, они разработали модель ИИ «NExt-Predictor». Эта модель оценивает вероятность успешной экстубации, анализируя жизненно важные показатели, такие как частота сердечных сокращений и дыхание.

Замечательные прогностические возможности ИИ

Модель ИИ «NExt-Predictor» продемонстрировала исключительные прогностические способности, имея площадь под кривой (AUC) 0,805 и точность 0,917, согласно оценкам больницы. Примечательно, что эти прогностические качества остались неизменными при проверке с использованием клинической базы данных США MIMIC-III. Заметным преимуществом этой модели ИИ является то, что она полагается исключительно на базовые жизненные показатели, исключая необходимость в дополнительном оборудовании.

Значение ИИ в педиатрической помощи

Профессор Юн Хва Чунг, один из исследователей, участвовавших в проекте, подчеркнул критическую важность оптимального времени экстубации для недоношенных детей на вентиляторах. Он выделил трудности в установлении точных критериев для этого важного решения, что делает разработку системы ИИ для прогнозирования еще более ценной в области неонатальной медицины.

Разработка модели ИИ «NExt-Predictor» представляет собой значительный скачок в сфере педиатрической помощи, особенно для недоношенных детей, нуждающихся в респираторной поддержке. Это инновационное решение на основе ИИ имеет потенциал повысить качество ухода за этими уязвимыми детьми, предлагая более основанный на данных и точный подход к принятию решений об экстубации. По мере развития этой технологии она обещает снизить осложнения и улучшить долгосрочные результаты для недоношенных детей во всем мире.