Методи за определяне на риска от смърт от COVID-19 по анализ на кръвта са разработени едновременно от няколко екипа учени. Невронните мрежи анализират редица биохимични и физиологични показатели и отчитат каква е вероятността пациентът да умре в близко бъдеще. В условия на препълнени стационари такъв метод ще улесни определянето на това, кои пациенти се нуждаят от грижи на първо място и ще увеличи общата преживяемост от COVID-19, надяват се изследователите.
Още: Крилат демон е открит върху каменен печат от времето на Йеремия
Още: Учени изкопираха опасни вируси с помощта на изкуствения интелект
В контекста на пандемията от COVID-19 и пълните болници е важно лекарите да разбират на кои пациенти трябва да се обърне внимание на първо място и при кои рисковете от усложнения и смърт не са твърде високи. Има няколко скали на риска за оценка, но в случай на COVID-19 те показват много ограничена ефективност. По време на пандемията учените са разработили няколко модела въз основа на невронни мрежи, но те все още не са получили широко разпространение.
Руски експерт: Омикрон сваля смъртността, може би този вариант ще сложи край на пандемията
Нов прогностичен модел е създаден от учени от немската клиника Шарите и Медицинския университет в Инсбрук в Австрия. Те са го описали по-подробно в статия в списание PLOS Digital Health.
Още: Кои новогодишни украси са опасни за кучетата?
Още: 9000-годишни незалепващи тави приготвяли фокача от неолита
„Клиничната картина на COVID-19 е изключително разнообразна - от безсимптомно протичане до много сериозно заболяване и смърт - казва водещият автор на изследването Флориан Курт. - На лекарите им е трудно да оценят индивидуалния риск от влошаване на състоянието или смърт на пациента.“
За още любопитни и полезни статии - очакваме ви във Viber канала ни! Последвайте ни тук!
Още: Твърди се, че аржентинският Ел Охо приютява НЛО и призраците на древни божества
Още: Откриха мястото на една от легендарните битки на Александър Македонски
Изследователите са изучили нивата на 321 протеина в 349 кръвни проби, взети на различни етапи от 50 тежкоболни пациенти с COVID-19, лекувани в два независими медицински центъра в Германия и Австрия. 15 от тях са починали, като средното време от приемането до смъртта е било 28 дни. За оцелелите пациенти средното време на хоспитализация било 63 дни. Изследователите са идентифицирали 14 протеина, чиито нива с течение на времето се променяли при оцелелите пациенти в сравнение с починалите – това били основно протеини, свързани с възпалението и съсирването на кръвта.
Здравни експерти препоръчват маски от типа N95 и KN95
След това учените разработили невронна мрежа, способна да предскаже преживяемост въз основа на еднократно измерване на съответните протеини, и тествали модела върху нова група от 24 тежкоболни пациенти с COVID-19. Моделът се оказал доста ефективен и успял да предскаже правилно изхода за 18 от 19 оцелели пациенти и 5 от 5 починали.
Още: Как средновековните поклонници намерили вяра в бушуващото море
Още: Друидски коледни традиции: вечнозелени растения, бъдници и зимно слънцестоене
Извадката е била твърде малка, за да се направят недвусмислени заключения за ефективността на модела, признават изследователите. Но ако резултатите се потвърдят в по-нататъшни проучвания, това може да се превърне в надежден инструмент за оценка на състоянието на пациентите, включително тези, които се намират в безсъзнание. Той може да се използва и за наблюдение на ефективността на лечението на отделни пациенти, като се види доколко води до снижаване на рисковете.
Друг модел е създаден от екип от специалисти от Харбинския технологичен институт в Китай и канадските Макгил и университета в Калгари. Тяхното все още нерецензирано проучване е публикувано в сайта за препринт medRxiv.
Липсата на антитела не значи, че липсва имунитет към COVID-19
„От решаващо значение е да се идентифицират пациенти с COVID-19 с по-висок риск от смърт на ранен етап, за да бъдат хоспитализирани навреме и да се започне интензивно лечение - пишат авторите. - Досега обаче нито един от моделите на машинно обучение не е доказал ефективност в независима кохорта.“
Използвайки извадка от 4711 пациенти, изследователите успели да идентифицират редица признаци, сочещи увреждане на сърдечносъдовата система, на черния дроб, на възпалителни процеси. Списъкът включвал по-специално биохимични показатели - нива на интерлевкин-6, D-димер, глюкоза, пролактин, тропонин, чернодробни ензими. Въз основа на няколко основни модела за прогнозиране учените разработили свои собствени, по-съвършени. В зависимост от изразеността на показателите, говорещи за рискове, на пациента се приписват точки, според които той се отнася към групата с нисък, умерен или висок риск.
Проверка на модела върху близо 16 000 пациенти показала, че новата невронна мрежа успешно предсказва риска от смъртен изход, като правилно определя към коя от рисковите групи се отнася пациентът. Най-висок риск от смърт имали пациентите над 69 години със значително повишени нива на глюкоза, интерлевкин-6, D-димер, прокалцитонин и ниско средно артериално налягане.
Учени се опасяват, че коронавирусът провокира аналог на множествена склероза
„Ако физиологичните показатели, особено клиничните характеристики, отразяващи възпалението, функциите на черния дроб, бъбреците и сърдечносъдовата функция, могат да бъдат получени по време на престоя на пациента в болницата, нашите модели могат лесно да се използват за своевременно идентифициране на пациенти с висок риск“, пишат изследователите.
Авторите подчертават, че идентифицираните фактори, влияещи върху изхода на заболяването, се съгласуват с по-ранните данни. Учените се надяват, че техният модел ще бъде полезен за оценка на рисковете при постъпване на нови пациенти в болниците.
