Ինչպես կարող է արհեստական բանականությունը բարելավել վաղաժամ ծնված երեխաների սնունդը

Վաղաժամ ծնված երեխաների համար տասնյակ հազարավոր սննդային դեղատոմսերից ստացված գիտելիքները ստացած ալգորիթմը կարող է նվազեցնել բժշկական սխալները և ավելի լավ որոշել, թե որ սննդանյութերն են անհրաժեշտ ամենափոքր հիվանդներին։ 

Արհեստական բանականությունը կարող է բարելավել վաղաժամ նորածինների ներերակային սնունդը, Սթենֆորդի բժշկական ուսումնասիրություն ցույց է տվել։ Նորը Բնության բժշկություն ուսումնասիրություն հնարավոր դարձավ մասամբ բարեգործության շնորհիվ, և այն առաջիններից է, որը ցույց է տալիս, թե ինչպես արհեստական բանականության ալգորիթմը կարող է օգնել բժիշկներին ավելի լավ կլինիկական որոշումներ կայացնել հիվանդ նորածինների համար։  

Ալգորիթմը օգտագործում է վաղաժամ ծնվածների էլեկտրոնային բժշկական գրառումների տեղեկատվությունը` կանխատեսելու համար, թե որ սննդանյութերն են նրանց անհրաժեշտ և ինչ քանակությամբ: Արհեստական բանականությունը մարզվել է ներերակային սննդի համար նախատեսված գրեթե 80,000 նախկինում ստացված դեղատոմսերի տվյալների հիման վրա, որոնք կապված էին փոքրիկ հիվանդների վիճակի մասին տեղեկատվության հետ: 

Հետազոտողները նշել են, որ արհեստական ինտելեկտի կիրառումը ներերակային սնուցման նշանակմանը կարող է նվազեցնել բժշկական սխալները, խնայել ժամանակ և գումար, ինչպես նաև հեշտացնել վաղաժամ երեխաների խնամքը ցածր ռեսուրսներով պայմաններում: Ներերակային սնուցումը, որը հայտնի է նաև որպես լրիվ պարենտերալ սնուցում, միակ միջոցն է վաղաժամ երեխաներին կերակրելու համար, որոնք ծնվել են մինչև նրանց մարսողական համակարգի հասունանալը՝ սննդարար նյութերը կլանելու համար: 

«Այս պահին մենք յուրաքանչյուր երեխայի համար առանձին-առանձին, ամեն օր կազմում ենք TPN դեղատոմս։ Մենք այն պատրաստում ենք զրոյից և տրամադրում նրանց», - ասաց ուսումնասիրության ավագ հեղինակը։ Նիմա Աղաիպուր, փիլիսոփայության դոկտոր, անեսթեզիոլոգիայի, պերիօպերատիվ և ցավազրկման բժշկության, ինչպես նաև մանկաբուժության դոցենտ։ «Լրիվ պարենտերալ սնուցումը բժշկական սխալի ամենամեծ աղբյուրն է նորածնային վերակենդանացման բաժանմունքներում, թե՛ Միացյալ Նահանգներում, թե՛ ամբողջ աշխարհում»։ 

Գործընթացը ոչ միայն սխալների հակված է, այլև դժվարացնում է բժիշկների համար իմանալը, թե արդյոք նրանք ճիշտ են ընտրել կաթնախառնուրդը: Օրինակ՝ չկա արյան անալիզ, որը կչափի, թե արդյոք վաղաժամ ծնված երեխան ամեն օր ստացել է ճիշտ քանակությամբ կալորիաներ, և ի տարբերություն ժամկետանց երեխաների, վաղաժամ ծնվածները պարտադիր չէ, որ լաց լինեն, երբ քաղցած են և գոհունակություն ցուցաբերեն, երբ կուշտ են: 

«Սնունդը նորածնային ինտենսիվ թերապիայի այն ոլորտներից մեկն է, որտեղ մենք ամենաթույլն ենք», - ասաց ուսումնասիրության համահեղինակը։ Դեյվիդ Սթիվենսոն, բժշկական գիտությունների դոկտոր, նեոնատոլոգ և մանկաբուժության Հարոլդ Կ. Ֆաբերի անվան պրոֆեսոր: 

Դանդաղ գործընթաց 

Մոտ 10% նորածինները ծնվում են վաղաժամ, այսինքն՝ ծննդաբերության ժամկետից առնվազն երեք շաբաթ առաջ։ Մոտ ութ շաբաթից ավելի վաղ ծնված նորածինները պատրաստ չեն սննդարար նյութերը կլանել աղիքների միջոցով և կարիք ունեն ներերակային սննդի։ Բացի այդ, որոշ վաղաժամ նորածիններ ունենում են վաղաժամ ծննդաբերության ստամոքս-աղիքային բարդություններ և կարիք ունեն ներերակային սննդի, մինչ աղիքները լավանում են։ 

Ներկայումս ներերակային սնունդը նշանակվում է այս հիվանդներին ամեն օր՝ անհատական հիմունքներով: Հիվանդներին անհրաժեշտ են մակրոէլեմենտներ՝ սպիտակուցների, ճարպերի և ածխաջրերի մոլեկուլային կառուցվածքային բլոկներ, միկրոէլեմենտներ, ինչպիսիք են վիտամինները, հանքանյութերը և էլեկտրոլիտները, ինչպես նաև դեղամիջոցներ, ինչպիսին է հեպարինը, որն ավելացվում է ներերակային պատրաստուկին՝ արյան մակարդուկների առաջացման ռիսկը նվազեցնելու համար: Ներկայիս նշանակումները հիմնված են այնպիսի գործոնների վրա, ինչպիսիք են երեխայի քաշը, զարգացման փուլը և լաբորատոր հետազոտությունների արդյունքները: 

Այս դեղատոմսերի տրամադրումը պահանջում է վեց մասնագետների համատեղ աշխատանք՝ մի քանի ժամ տևողությամբ գործընթացի ընթացքում. յուրաքանչյուր դեղատոմսը գրում է նեոնատոլոգը կամ դեղագործը, որը ստուգվում է դիետոլոգի կողմից՝ սննդանյութերի բաղադրության և երկրորդ դեղագործի կողմից՝ անվտանգության տեսանկյունից: Դեղատոմսը ուղարկվում է դեղատուն, որտեղ այն պատրաստվում է, ապա՝ նորածնային վերակենդանացման բաժանմունք, որտեղ մեկ բուժքույր տալիս է ներերակային ներարկումը, իսկ երկրորդ բուժքույրը կրկնակի ստուգում է, որ յուրաքանչյուր հիվանդ ստանում է ճիշտ պատրաստուկը: 

«Դա բարձր ռիսկի դեղամիջոց է, քանի որ այն բազմաթիվ տարբեր բաների խառնուրդ է», - ասաց ուսումնասիրության համահեղինակը։ Շաբնամ Գասկարի, PharmD, Stanford Medicine Children's Health-ի գործադիր տնօրեն և գլխավոր դեղագործական տնօրեն։ «Եթե մենք արտադրեինք օգտագործման համար պատրաստ TPN-ներ, դա շատ օգտակար կլիներ։ Կարծում եմ՝ դա ավելի անվտանգ կլիներ հիվանդների համար»։ 

Դեպի ստանդարտ բանաձևեր 

Հետազոտողները հետաքրքրվում էին, թե արդյոք կարող են օգտագործել արհեստական բանականությունը՝ հիվանդանոցներին արտադրված, օգտագործման համար պատրաստ սննդարար բանաձևերով ապահովելու համար։ 

Նրանց արհեստական բանականության ալգորիթմը մարզվել է Սթենֆորդի Լուսիլ Պակարդ մանկական հիվանդանոցի նորածնային վերակենդանացման բաժանմունքի 10 տարվա էլեկտրոնային բժշկական գրառումների տվյալների վրա, այդ թվում՝ 5913 վաղաժամ ծնված հիվանդների ներերակային սննդի 79,790 դեղատոմսերի վրա: Ալգորիթմը նաև հասանելիություն ուներ հիվանդների բժշկական արդյունքների վերաբերյալ տեղեկատվությանը, ինչը թույլ էր տալիս գտնել նուրբ օրինաչափություններ, որոնք կապում էին սննդանյութերի մակարդակը նորածինների առողջության հետ: Չնայած բժիշկները միշտ չէ, որ ճիշտ էին տալիս նախորդ յուրաքանչյուր դեղատոմս, տվյալների ծավալը օգնեց հաղթահարել այդ խնդիրը՝ թույլ տալով ալգորիթմին ընդհանուր առմամբ սովորել, թե ինչն է աշխատում նորածինների համար տարբեր բժշկական իրավիճակներում: 

«Սա արհեստական բանականության ուժեղ կողմն է. երբեմն անկատար տվյալները բավականաչափ լավն են, քանի դեռ դրանք շատ են», - ասաց Աղաիպուրը։ 

Հիվանդների տվյալների տասնամյակի վրա վերապատրաստվելուց հետո, ալգորիթմը խմբավորեց նմանատիպ սննդանյութերի դեղատոմսերը՝ որոշելու համար, թե քանի ստանդարտ բանաձև կբավարարի բոլոր հիվանդների սննդային կարիքները և ինչ կներառվի յուրաքանչյուրի մեջ։ 

«Մենք մտածում էինք. ի՞նչ կլինի, եթե մենք պատրաստենք երեք ստանդարտ բանաձև, կամ 10, կամ 100», - ասաց Աղաիփուրը: «Պարզվում է, որ ներերակային սննդի համար նախատեսված 15 տարբեր բանաձևերով ձեր առաջարկածը բավականին նման է նրան, ինչ կանեին բժիշկները, դեղագործները և դիետոլոգները: Բայց այդ դեպքում այս 15 արհեստական բանականության վրա հիմնված բանաձևերը կարող են օգտագործվել արագությունն ու անվտանգությունը զգալիորեն բարելավելու համար»: 

Ավելին, հետազոտողները ցույց տվեցին, որ արհեստական բանականության ալգորիթմը կարող է օգտագործել հիվանդների էլեկտրոնային բժշկական գրառումներից ստացված տվյալները՝ կանխատեսելու համար, թե յուրաքանչյուր երեխայի 15 կաթնախառնուրդներից որը կարող է անհրաժեշտ լինել, և այն կարող է ամեն օր ճշգրտել առաջարկությունները՝ հիվանդների մեծանալուն և նրանց առողջական վիճակի փոփոխությանը զուգընթաց։ Այսպիսով, ալգորիթմը կարող է առաջարկել, որ որոշակի երեխային հինգ օր անհրաժեշտ լինի № 8 կաթնախառնուրդ, ապա № 3 կաթնախառնուրդ՝ մեկ շաբաթ, ապա № 14 կաթնախառնուրդ՝ մի քանի օր և այլն։ 

Այս մոտեցման իրական դեղատոմսերի համեմատությունը ստուգելու համար հետազոտական խումբը 10 նեոնատոլոգների համար թեստ է ստեղծել. բժիշկներին ցույց են տրվել նախկին հիվանդների կլինիկական տեղեկություններ, ինչպես նաև նրանց կողմից իրականում ստացած ներերակային սննդի դեղատոմսերը և ալգորիթմի կողմից առաջարկվող դեղատոմսերը: Բժիշկներին չեն ասել, թե որ դեղատոմսն է որը՝ նրանց հարցրել են, թե որն է իրենց կարծիքով ավելի լավը: Բժիշկները մշտապես նախընտրում են արհեստական ինտելեկտի կողմից ստեղծված դեղատոմսերը իրական դեղատոմսերին: 

Հետազոտողները նաև արհեստական ինտելեկտ են օգտագործել նախկին հիվանդների էլեկտրոնային բժշկական գրառումները սկանավորելու համար՝ փնտրելով դեպքեր, երբ հիվանդի սննդի իրական դեղատոմսը բավականին տարբերվում էր արհեստական ինտելեկտի կողմից առաջարկվողից: Նրանք պարզել են, որ այդ հիվանդների մոտ մահացության, սեպսիսի և աղիքային հիվանդության ռիսկը զգալիորեն ավելի բարձր էր, քան այն հիվանդների մոտ, որոնց դեղատոմսերը համապատասխանում էին արհեստական ինտելեկտի կողմից առաջարկվող դեղատոմսերին: 

Թիմը նաև վավերացրել է արհեստական բանականության մոդելը՝ օգտագործելով Սան Ֆրանցիսկոյի Կալիֆոռնիայի համալսարանի իրական տվյալները (ներառյալ 3417 հիվանդներից տրված 63,273 սննդային դեղատոմսեր) և պարզել, որ մոդելը լավ աշխատանք է կատարել նաև այս բնակչության սննդանյութերի կարիքները կանխատեսելու հարցում։ 

Կիրառման քայլեր 

Հաջորդ քայլը կլինի պատահականացված կլինիկական փորձարկման անցկացումը, որի ընթացքում որոշ հիվանդներ սննդանյութերի դեղատոմսեր կստանան ձեռքով մեթոդով, մյուսները՝ արհեստական ինտելեկտի կողմից խորհուրդ տրված դեղատոմսերով, և հետազոտողները կտեսնեն, թե ինչպես է յուրաքանչյուր խումբ գործում։ 

Ենթադրելով, որ համակարգը ներդրված է, թիմը նախատեսում է, որ բժիշկներն ու դեղագործները շարունակեն ստուգել արհեստական բանականության առաջարկությունները և անհրաժեշտության դեպքում ճշգրտել դեղատոմսերը։ 

Աջակիցներ և աջակիցներ 

Հետազոտությանը իրենց ներդրումն են ունեցել Հարավային Կալիֆոռնիայի համալսարանի Քեքի անվան բժշկական դպրոցի և Լոս Անջելեսի մանկական հիվանդանոցի գիտնականները։ 

Այս աշխատանքը ֆինանսավորվել է Առողջապահության ազգային ինստիտուտների (գրանտ R35GM138353), Թարգմանչական գիտությունների զարգացման ազգային կենտրոնի (գրանտ UL1TR001872), Յունիս Քենեդի Շրայվերի անվան մանկական առողջության և մարդու զարգացման ազգային ինստիտուտի (գրանտ R42HD115517), Բարոուզ Ուելքոմ հիմնադրամի, «Մարչ օֆ Դայմս»-ի, Ալֆրեդ Է. Մաննի հիմնադրամի, Սթենֆորդի մայրական և մանկական առողջության հետազոտական ինստիտուտի կողմից՝ Սթենֆորդի SPARK Թարգմանչական հետազոտությունների ծրագրի միջոցով, Սթենֆորդի բարձր ազդեցության տեխնոլոգիաների հիմնադրամի և Սթենֆորդի կենսադիզայնի կողմից: Այս նախագիծը նաև ֆինանսավորվել է Թարգմանչական գիտությունների զարգացման ազգային կենտրոնի, Առողջապահության ազգային ինստիտուտների, UCSF կլինիկական և Թարգմանչական գիտությունների ինստիտուտի միջոցով: 

Նվեր արեք աջակցելու Լյուսիլ Փաքարդի անվան մանկական հիվանդանոցում և ամբողջ աշխարհում մայրերի և երեխաների նորարարական հետազոտություններին և խնամքին։