Туберкулозата (ТБ) остава едно от най-смъртоносните бактериални инфекции в света, като отне живота на над 1,3 милиона души само през 2022 година. Въпроси като защо някои пациенти се възстановяват, докато други загиват, и защо определени лекарства са ефективни за някои, но не и за други със същото заболяване, възмущават учените от години.
Историческите доказателства показват, че ТБ тормози човечеството от хилядолетия, като египетски мумии показват признаци на заболяването още от 2400 г. пр.н.е. Въпреки че инфекциите с ТБ се случват по целия свят, страни като Украйна, Молдова, Беларус и Русия са били особено засегнати от мултирезистентни случаи на ТБ.
За съжаление, напредъкът в борбата с ТБ беше спънат от появата на пандемията от COVID-19. Разстройствата в здравеопазвителната система, причинени от продължаващата война в Украйна и глобалната здравна криза, доведоха до обрати в диагностиката и лечението на ТБ, обръщайки десетилетия на напредък на глобално ниво.
Късметлийски, скорошно откритие в медицинските изследвания предлага надежда за по-персонализирано и ефективно лечение на ТБ. Междисциплинарен екип от учени разработи иновативен инструмент на изкуствен интелект, способен да анализира огромни количества медицински данни, за да оптимизира подходите към лечението за отделните пациенти.
Изследването на екипа включваше анализ на над 200 типа клинични резултати, медицински изображения и лекарствени предписания от над 5 000 пациенти с ТБ в 10 страни. Те взеха предвид различни фактори, като демографски данни, предишна история на лечение, наличие на други медицински състояния и детайлни данни за штамовете на ТБ и лекарствена резистентност.
За разлика от предходните инструменти на изкуствения интелект, които са се фокусирали върху ограничени видове данни или променливи, учените използват прозрачен и мултимодален модел на ИИ. Този подход им позволява едновременно да вземат предвид много променливи, като им осигурява комплексно разбиране на факторите, влияещи на резултатите от лечението на ТБ.
Изключително, моделът на ИИ постигна впечатляваща точност от 83% в предсказването на прогнозата за лечение при тестове с данни на нови пациенти. Това надвиши съществуващите модели на ИИ и демонстрира потенциала за персонализирана медицина с подкрепата на ИИ.
Учените отбелязаха, че определени клинични характеристики, като нисък BMI и лошо хранене, се свързват с неуспех в лечението. Тези открития подчертават важността на намеса, насочена към подобряване на храненето, особено в подхранените популации, които са по-уязвими за ТБ.
Освен това, изследването разкри, че определени комбинации от лекарства са по-ефективни за определени видове лекарствени устойчиви инфекции. Чрез идентифициране на синергични комбинации от лекарства, които подобряват ефективността си, учениците целят да подобрят крайните резултати от лечението. Идентифицирането на антагонистични комбинации от лекарства, които пречат на ефективността на другите, рано в процеса на откриване на лекарства също може да предотврати неуспехи в лечението.
Значението на това изследване за прекратяването на ТБ е значително. Чрез приоритизиране на анализа на различни видове клинични данни, учени и лекари могат по-добре да разпределят ресурсите и да разработят насочени обществени здравни намеси за борба с ТБ на глобално ниво. Това съответства на целите на Световната здравна организация да изтреби ТБ до 2035 г.
Въпреки това, инструментът на ИИ не е без своите ограничения. Демографското разнообразие и вариациите в различните региони и здравни настройки трябва да бъдат отчетени в допълнителното обучение и развитие. Научният екип признава важността на доразвиването на модела, за да го направи по-универсално приложим.
В крайна сметка, целта е да се задейства мощта на ИИ, за да се персонализират лекуванията на ТБ въз основа на индивидуалните характеристики на човека. Като се отклони от единобрачния подход, учените се стремят към изграждането на режими на лекарства за пациенти с конкретни състояния. Като имат предвид множество видове данни, лекарите могат да предоставят по-прецизни и ефикасни лечения, които водят до подобрени резултати за пациентите в борбата с ТБ.
ЧЗВ
The source of the article is from the blog kunsthuisoaleer.nl