[ad_1]
بر اساس مطالعه جدیدی که این هفته در مجله دسترسی آزاد منتشر شد، یک نمونه خون منفرد از یک بیمار مبتلا به کووید-19 را می توان با یک مدل یادگیری ماشینی که از پروتئین های پلاسمای خون برای پیش بینی بقا استفاده می کند، چند هفته قبل از نتیجه تجزیه و تحلیل کرد. سلامت دیجیتال PLOS توسط فلوریان کورث و مارکوس رالسر از Charité — Universitätsmedizin برلین، آلمان و همکاران.
سیستم‌های مراقبت‌های بهداشتی در سرتاسر جهان در تلاش هستند تا تعداد زیادی از بیماران مبتلا به کووید-19 را که به شدت بیمار هستند، که به مراقبت‌های پزشکی ویژه نیاز دارند، بپذیرند، به‌ویژه اگر در معرض خطر بالا شناسایی شوند. ارزیابی‌های بالینی خطر در پزشکی مراقبت‌های ویژه، مانند SOFA یا APACHE II، تنها قابلیت اطمینان محدودی را در پیش‌بینی پیامدهای بیماری در آینده برای COVID-19 نشان می‌دهد.
در مطالعه جدید، محققان سطوح 321 پروتئین را در نمونه‌های خونی که در 349 نقطه زمانی از 50 بیمار مبتلا به کووید-19 در دو مرکز مراقبت‌های بهداشتی مستقل در آلمان و اتریش تحت درمان بودند، بررسی کردند. یک رویکرد یادگیری ماشین برای یافتن ارتباط بین پروتئین های اندازه گیری شده و بقای بیمار استفاده شد.
15 نفر از بیماران گروه جان باختند. میانگین زمان از بستری شدن تا مرگ 28 روز بود. برای بیمارانی که زنده مانده بودند، میانگین زمان بستری در بیمارستان 63 روز بود. محققان 14 پروتئین را مشخص کردند که با گذشت زمان، برای بیمارانی که زنده می‌مانند در مقایسه با بیمارانی که در مراقبت‌های ویژه زنده نمی‌مانند، در جهت مخالف تغییر می‌کنند. سپس این تیم یک مدل یادگیری ماشینی را برای پیش‌بینی بقا براساس یک اندازه‌گیری واحد زمانی پروتئین‌های مربوطه ایجاد کردند و این مدل را روی یک گروه تأیید مستقل از 24 بیمار مبتلا به کووید-10 آزمایش کردند. این مدل قدرت پیش‌بینی بالایی را در این گروه نشان داد، و به درستی نتیجه را برای 18 بیمار از 19 بیمار زنده‌مانده و 5 نفر از 5 بیمار مرده پیش‌بینی کرد (AUROC = 1.0، P = 0.000047).
محققان نتیجه می‌گیرند که آزمایش‌های پروتئین خون، اگر در گروه‌های بزرگ‌تر تأیید شوند، ممکن است هم در شناسایی بیماران با بالاترین خطر مرگ و میر مفید باشد و هم برای آزمایش اینکه آیا یک درمان معین مسیر پیش‌بینی شده یک بیمار را تغییر می‌دهد یا خیر.
منبع داستان:
مواد ارائه شده توسط PLOS. توجه: محتوا ممکن است برای سبک و طول ویرایش شود.
[ad_2]