Цивилизация
В условиях пандемии COVID-19 и заполненных стационаров врачам важно понимать, каким пациентам стоит уделить внимание в первую очередь, а чьи риски осложнений и смерти не слишком высоки. Для оценки существуют несколько шкал риска, однако в случае с COVID-19 они показывают весьма ограниченную эффективность. За время пандемии ученые разработали несколько моделей на основе нейросетей, но они пока не получили широкого распространения.
Новую прогностическую модель создали ученые из немецкой клиники Шарите и Медицинского университета Инсбрука в Австрии. Подробнее они ее описали в статье в журнале PLOS Digital Health.
«Клиническая картина COVID-19 исключительно разнообразна — от бессимптомного течения до очень серьезного заболевания и смерти, — говорит ведущий автор исследования Флориан Курт. — Врачам трудно оценить индивидуальный риск ухудшения состояния или смерти пациента».
Исследователи изучили уровни 321 белка в 349 образцах крови, взятых на разных этапах у 50 тяжелобольных пациентов с COVID-19, лечившихся в двух независимых медицинских центрах Германии и Австрии. 15 пациентов из этой когорты умерли, среднее время от поступления до смерти составило 28 дней. Для выживших пациентов среднее время госпитализации составило 63 дня. Исследователи определили 14 белков, уровни которых со временем изменялись у выживших пациентов иначе по сравнению с пациентами погибшими — в основном это были белки, связанные с воспалением и свертываемостью крови. Затем группа разработала нейросеть, способную прогнозировать выживаемость на основе однократного измерения соответствующих белков и протестировала модель на новой когорте из 24 тяжелобольных пациентов с COVID-19.
Модель оказалась достаточно эффективной и смогла правильно предсказать исход для 18 из 19 выживших пациентов и 5 из 5 умерших.
Выборка была слишком маленькой, чтобы делать однозначные выводы об эффективности модели, признают исследователи. Но, если в дальнейших исследованиях результаты подтвердятся, она может стать надежным инструментом оценки состояния пациентов, в том числе и находящихся без сознания. Также ее можно будет использовать и для мониторинга эффективности лечения отдельных пациентов, наблюдая, насколько оно приводит к снижению рисков.
Еще одну модель создала команда специалистов из Харбинского политехнического университета в Китае и канадских Университета Макгилла и Университета Калгари. Пока не отрецензированное исследование было размещено на сервисе препринтов medRxiv.
«Крайне важно выявить пациентов с COVID-19 с более высоким риском смерти на ранней стадии, чтобы вовремя их госпитализировать и начать интенсивную терапию, — пишут авторы работы. — Однако до сих пор ни одна из моделей машинного обучения не доказала свою эффективность в независимой когорте».
Использовав выборку из 4711 пациентов, исследователи смогли выделить ряд признаков, указывающих на поражения сердечно-сосудистой системы, печени, на воспалительные процессы. В список попали, в частности, биохимические показатели — уровни интерлейскина-6, D-димера, глюкозы, пролактина, тропонина, ферментов печени. Основываясь на нескольких базовых прогностических моделях, ученые разработали свою собственную, более совершенную. В зависимости от выраженности показателей, говорящих о рисках, пациенту присваивались баллы, по которым он относился в группу низкого, умеренного или высокого риска.
Проверка модели на когорте из почти 16 тыс. пациентов показала, что новая нейросеть успешно предсказывает риски смертельного исхода, корректно определяя, к какой из групп риска относится пациент.
Наиболее высокий риск смерти имели пациенты старше 69 лет, со значительно повышенными глюкозой, интерлейкином-6, D-димером, прокальцитонином и низким средним артериальным давлением.
«Если физиологические показатели, особенно клинические характеристики, отражающие воспаление, функции печени, почек и сердечно-сосудистой системы, можно получить во время пребывания пациента в больнице, наши модели могут быть легко использованы для своевременного выявления пациентов с высоким риском», — пишут исследователи.
Авторы подчеркивают, что выявленные факторы, влияющие на исход заболевания, согласуются с более ранними данными. Ученые надеются, что их модель будет полезна для оценки рисков при поступлении в больницы новых пациентов.