Wczesne wykrywanie i różnicowanie sepsy, zespołu ogólnoustrojowej reakcji zapalnej (SIRS) i wstrząsu septycznego z oceną ich ciężkości w analizatorach hematologicznych - dzięki wykorzystaniu metod sztucznej inteligencji

► Kliknij tutaj, aby pobrać oryginalny plakat (PDF)

Sukesh C Nair ¹, Francoise Durrieu ², Shubham Rastogi ³.
¹ Christian Medical College, Vellore, Indie. ² Instytut Bergonie, Bordeaux, Francja. ³ HORIBA ABX SAS, Montpellier, Francja

Wstęp

Sepsa pozostaje poważnym wyzwaniem dla systemów opieki zdrowotnej na całym świecie, ze względu na rosnącą zapadalność z powodu niskiej świadomości społecznej, opóźnień we wczesnym wykrywaniu i późniejszym leczeniu. W przypadku sepsy śmiertelność rośnie z każdą godziną nieleczenia. Złożoność definicji sepsy, a także brak wiarygodnego biomarkera, utrudniają wczesne wykrywanie sepsy w placówkach opieki zdrowotnej, takich jak oddziały ratunkowe (SOR). Nowoczesna seria analizatorów HORIBA Yumizen H (Yumizen H2500/ Yumizen H1500), wzbogacona o sztuczną inteligencję i wykorzystująca dane z wielu ośrodków, ma potencjał, aby zapewnić wczesny predykcyjny system flagowania/oceny, który może być opłacalny i szybko wspierać diagnozę rozwoju sepsy oraz dalsze leczenie bezpośrednio w ośrodkach podstawowej opieki zdrowotnej.

Metody

Celem pracy było zademonstrowanie możliwości analizy ciężkości sepsy metodą AI-ML w celu identyfikacji pacjentów z sepsą i zmierzenia skuteczności „flagi/punktacji podejrzenia sepsy” odzwierciedlającej ryzyko i/lub ciężkość sepsy w analizatorach hematologicznych HORIBA Yumizen Model H. Wstępne przetwarzanie danych i przygotowanie modelu w celu identyfikacji kohorty pacjentów z sepsą oraz zmierzenie jego skuteczności. Przypisanie „flagi/punktacji podejrzenia sepsy” odzwierciedlającej ryzyko i/lub ciężkość sepsy. Dane retrospektywne uzyskane z analizatorów hematologicznych (n = 687), od pacjentów z sepsą, SIRS lub wstrząsem septycznym (Tabela 1) oraz z grup kontrolnych z ośrodków uczestniczących: Christian Medical College w Vellore, Tamil Nadu, Indie, oraz Bergonie Institute w Bordeaux, Francja, w latach 2018–2023, poddane modelowaniu metodą AI-ML.

Tabela 1: Przykładowy zestaw danych dotyczących sepsy i innych patologii

Wyniki

Stopień nasilenia i ryzyko sepsy określa się za pomocą metody opartej na analizie prawdopodobieństwa rozkładu gęstości wyników. Każdemu punktowi danych testowych przypisuje się poziom ryzyka, a wyniki powyżej zdefiniowanego przez użytkownika progu są klasyfikowane jako septyczne (ryc. 1 i 2).

Rysunek 1 i 2: Ocena nasilenia sepsy określana przez prawdopodobieństwo oparte na gęstości

Rysunek 1 i 2: Ocena nasilenia sepsy określana przez prawdopodobieństwo oparte na analizie rozkładu gęstości

Warto zauważyć, że niższe progi skutkują wyższą czułością, ale niższą swoistością. Nasz model wykazał zdolność do przewidywania i klasyfikowania pacjentów z sepsą, SIRS i wstrząsem septycznym z imponującą czułością 91% i swoistością 86% (AUC = 0,89), jak przedstawiono w Tabeli 2. Obecna skuteczność modelu bazuje wyłącznie na analizie parametrów hematologicznych CBC, które przewyższają również refrencyjny, zatwierdzony przez FDA model AL/ML - Sepsic Immunoscore (Tabela 3). Ponadto szczegółowo omówiona zostanie zdolność modelu do różnicowania sepsy, SIRS i wstrząsu septycznego.

Tabela 2: Efektywność modelu AI-ML stworzonego na podstawie wyników CBC wykonanych na analizatorach hematologicznych HORIBA Yumizen H2500, Yumizen H1500 w celu różnicowania sepsy i w porównaniu z próbkami normalnymi i bez sepsy

Tabela 3: Wydajność obecnego modelu w porównaniu z zatwierdzonym przez FDA modelem opartym na sztucznej inteligencji i uczeniu maszynowym – Sepsis Immunoscore

Wniosek

Analiza oparta na modelowaniu opartym na sztucznej inteligencji i uczeniu maszynowym, wykorzystująca wyłącznie dane z morfologii krwi, ma potencjał zrewolucjonizowania wykrywania, diagnostyki i leczenia sepsy w warunkach intensywnej terapii na bardzo wczesnym etapie. Algorytmy sztucznej inteligencji w analizatorach hematologicznych mogą pomóc w identyfikacji pacjentów z wysokim ryzykiem rozwoju sepsy, zarówno w ośrodkach podstawowej opieki zdrowotnej, jak i w przychodniach lekarskich, umożliwiając wcześniejszą interwencję i zapobieganie postępowi choroby.

PDF

1,58 MB