Алгоритм, обученный на основе десятков тысяч рецептов питания для недоношенных детей, может сократить количество врачебных ошибок и лучше определять, какие питательные вещества необходимы самым маленьким пациентам.
Искусственный интеллект может улучшить внутривенное питание недоношенных детей. исследование Стэнфордского университета показал. Новый Природная медицина изучать Отчасти это стало возможным благодаря филантропии, и это один из первых проектов, демонстрирующих, как алгоритм ИИ может помочь врачам принимать более обоснованные клинические решения в отношении больных новорожденных.
Алгоритм использует информацию из электронных медицинских карт недоношенных детей, чтобы предсказать, какие питательные вещества им необходимы и в каком количестве. Инструмент ИИ был обучен на данных почти 80 000 прошлых рецептов на внутривенное питание, которые были связаны с информацией о состоянии здоровья маленьких пациентов.
Исследователи утверждают, что использование ИИ для назначения внутривенного питания может снизить количество врачебных ошибок, сэкономить время и деньги, а также упростить уход за недоношенными детьми в условиях ограниченных ресурсов. Внутривенное питание, также известное как полное парентеральное питание, — единственный способ кормить недоношенных детей, которые рождаются до того, как их пищеварительная система достаточно созреет для усвоения питательных веществ.
Никогда не пропустите прорыв!
Подпишитесь, чтобы получать последние новости о здоровье матери и ребенка — в детском медицинском центре Стэнфордского университета и за его пределами!
«Сейчас мы составляем рецепт парентерального питания для каждого ребёнка индивидуально, каждый день. Мы составляем его с нуля и предоставляем им», — сказал старший автор исследования. Нима Агаипур, доктор философии, доцент кафедры анестезиологии, периоперационной и обезболивающей медицины, а также педиатрии. «Полное парентеральное питание — самый крупный источник врачебных ошибок в отделениях интенсивной терапии новорожденных как в США, так и во всем мире».
Процесс не только подвержен ошибкам, но и затрудняет для врачей определение правильности выбора смеси. Например, не существует анализа крови, позволяющего определить, получал ли недоношенный ребёнок необходимое количество калорий в день, и, в отличие от доношенных детей, недоношенные дети не обязательно плачут, когда голодны, и выражают удовлетворение, когда сыты.
«Питание — одна из областей интенсивной терапии новорожденных, где мы наиболее слабы», — сказал соавтор исследования. Дэвид Стивенсон, доктор медицинских наук, неонатолог и профессор педиатрии имени Гарольда К. Фабера.
Медленный процесс
Около 10% младенцев рождаются недоношенными, то есть как минимум на три недели раньше срока. Дети, родившиеся более чем на восемь недель раньше срока, не готовы к усвоению питательных веществ через кишечник и нуждаются в внутривенном питании. Кроме того, у некоторых недоношенных детей наблюдаются желудочно-кишечные осложнения, связанные с ранними родами, и им требуется внутривенное питание, пока кишечник не заживет.
В настоящее время внутривенное питание назначается этим пациентам ежедневно в индивидуальном порядке. Пациентам необходимы макронутриенты – молекулярные строительные блоки белков, жиров и углеводов; микронутриенты, такие как витамины, минералы и электролиты; а также лекарственные препараты, такие как гепарин, который добавляется в состав для внутривенного введения для снижения риска образования тромбов. В настоящее время назначения основаны на таких факторах, как вес ребёнка, стадия развития и результаты лабораторных исследований.
Выдача этих рецептов требует участия шести экспертов, работающих вместе в течение нескольких часов: неонатолог или фармацевт выписывает каждый рецепт, диетолог проверяет его состав питательных веществ, а второй фармацевт – безопасность. Рецепт отправляется в аптеку, где его готовят, а затем в отделение интенсивной терапии новорожденных, где одна медсестра ставит капельницу, а вторая проверяет, что каждый пациент получил правильный состав.
«Это высокорискованный препарат, поскольку он представляет собой смесь множества разных компонентов», — сказал соавтор исследования. Шабнам Гаскари, доктор фармакологии, исполнительный директор и главный специалист по фармацевтике в Детском медицинском центре Стэнфордского медицинского университета. «Если бы мы производили готовые к применению парентеральные пищевые смеси (ППП), это было бы очень полезно. Думаю, это было бы безопаснее для пациентов».
К стандартным формулам
Исследователи задались вопросом, смогут ли они использовать ИИ для обеспечения больниц готовыми к использованию питательными смесями.
Их алгоритм искусственного интеллекта был обучен на основе данных электронных медицинских карт, хранящихся в отделении интенсивной терапии новорожденных Детской больницы Люсиль Паккард в Стэнфорде за 10 лет, включая 79 790 рецептов на внутривенное питание, выписанных 5913 недоношенным пациентам. Алгоритм также имел доступ к информации о результатах лечения пациентов, что позволило ему выявить тонкие закономерности, связывающие уровень питательных веществ со здоровьем младенцев. Хотя врачи не всегда точно определяли каждое предыдущее назначение, обширный объём данных помог решить эту проблему, позволив алгоритму в целом изучить, что подходит младенцам в различных медицинских ситуациях.
«В этом и заключается сила ИИ: иногда несовершенные данные вполне хороши, если их много», — сказал Агаипур.
После обучения на основе десятилетних данных пациентов алгоритм сгруппировал схожие рецепты на питательные вещества, чтобы определить, сколько стандартных формул будут соответствовать потребностям всех пациентов в питании и что должно входить в каждую из них.
«Мы задавались вопросом: а что, если создать три стандартные формулы, или 10, или 100?» — сказал Агаипур. «Оказывается, при наличии 15 различных формул для внутривенного питания то, что вы рекомендуете, довольно похоже на то, что и так сделали бы врачи, фармацевты и диетологи. Но эти 15 формул на основе ИИ можно использовать для значительного повышения скорости и безопасности».
Кроме того, исследователи показали, что алгоритм ИИ может использовать данные из электронных медицинских карт пациентов, чтобы предсказать, какая из 15 смесей может понадобиться каждому ребёнку, и корректировать рекомендации ежедневно по мере роста пациентов и изменения их состояния здоровья. Так, алгоритм может рекомендовать определённому ребёнку смесь № 8 в течение пяти дней, затем смесь № 3 в течение недели, затем смесь № 14 в течение нескольких дней и так далее.
Чтобы проверить, как этот подход будет работать с реальными назначениями, исследовательская группа разработала тест для 10 неонатологов: врачам показывали клиническую информацию о предыдущих пациентах, а также назначенные им внутривенные препараты и назначения, которые порекомендует алгоритм. Врачам не сообщали, какой из них какой; их спрашивали, какой, по их мнению, лучше. Врачи неизменно отдавали предпочтение назначениям, сгенерированным ИИ, реальным.
Исследователи также использовали ИИ для сканирования электронных медицинских карт прошлых пациентов, выявляя случаи, когда фактические назначения питания пациента существенно отличались от рекомендаций ИИ. Они обнаружили, что у таких пациентов риск смертности, сепсиса и заболеваний кишечника был значительно выше, чем у пациентов, чьи назначения соответствовали рекомендациям ИИ.
Группа также проверила модель ИИ, используя реальные данные из Калифорнийского университета в Сан-Франциско (включая 63 273 рецепта питания от 3 417 пациентов), и обнаружила, что модель также хорошо справляется с прогнозированием потребностей в питательных веществах для этой группы населения.
Шаги к реализации
Следующим шагом станет проведение рандомизированного клинического исследования, в ходе которого часть пациентов будут получать рецепты на питательные вещества вручную, другие — по рецептам, рекомендованным искусственным интеллектом, а исследователи проследят за результатами в каждой группе.
Если система будет внедрена, команда планирует, что врачи и фармацевты продолжат проверять рекомендации ИИ и при необходимости скорректируют рецепты.
Авторы и сторонники
В исследовании приняли участие ученые из Медицинской школы Кека при Университете Южной Калифорнии и Детской больницы Лос-Анджелеса.
Данная работа была поддержана Национальными институтами здравоохранения (грант R35GM138353), Национальным центром развития трансляционных наук (грант UL1TR001872), Национальным институтом здоровья детей и развития человека имени Юнис Кеннеди Шрайвер (грант R42HD115517), фондом Burroughs Wellcome, благотворительным фондом March of Dimes, Фондом Альфреда Э. Манна, Стэнфордским научно-исследовательским институтом охраны здоровья матери и ребенка (через программу трансляционных исследований SPARK Стэнфордского университета), Стэнфордским фондом высокоэффективных технологий (Stanford High Impact Technology Fund) и программой Stanford Biodesign. Данный проект также был поддержан Национальным центром развития трансляционных наук, Национальными институтами здравоохранения через Институт клинических и трансляционных наук Калифорнийского университета в Сан-Франциско (UCSF Clinical & Translational Science Institute).
Сделать подарок для поддержки инновационных исследований и ухода за мамами и малышами в Детской больнице Люсиль Паккард в Стэнфорде и по всему миру.
