机器学习和人工智能用于快速检测败血症,大幅降低死亡的风险

使用机器学习的一个突破性的进步在快速检测败血症开创了汉考克实验室的研究人员,在哥伦比亚大学微生物学和免疫学的部门。

脓毒症是世界上最大的杀手之一,负责全世界五分之一的死亡包括COVID-19严重疾病,但是很难检测早期。它定义为身体对感染的不正常反应,有各种各样的症状,包括发烧、疲劳、换气过度和快速心脏速率可能出现在第一个从其他疾病。

“这新技术解剖功能失调的免疫反应参与脓毒症前所未有,提供新的见解生物过程任何类型的参与脓毒症,包括从COVID-19”说Arjun Baghela(他/他)研究生在汉考克实验室的分析。“人们不太了解脓毒症,但在2020年,死于败血症危及生命的数量很可能远高于五分之一,因为几乎每个人都曾死于COVID-19实际上死于败血症。”

医生和前通常需要24至48小时医疗服务提供者可以某些病人脓毒症。但每小时的延迟提供治疗通常的有力方案中死亡的风险增加7.6%,凸显了快速检测的需要。

“通常情况下,病人到达急诊室的感觉深刻生病,与一群相当非特异性症状,”鲍勃·汉考克博士说,一个哥伦比亚大学Killam微生物学和免疫学教授。”医生看着症状的病人,如果他们有一个总说:“这个病人可能有败血症,但只有当他们有一些肯定他们能立即开始治疗。他们在一个“看”游戏第一24 - 48小时。”

汉考克说,因为脓毒症是如此普遍,猖獗的抗菌素耐药性是一个风险如果使用抗生素超过必要的。“你真的想学习,尽早病人脓毒症”。

在这项研究中,包括有史以来最大的临床基因组学的研究急诊室(ER)患者,研究人员检查了在四个不同的大洲共有348名患者。他们证实了他们的发现,重新审视另外两个大型研究共有1062名患者。这些患者的血液进行了测序揭示基因的表达水平,这决定了哪些蛋白质产生,因此报告脓毒症患者的免疫状态(包括功能障碍)。

研究表明,严重脓毒症可以发现当一个人第一次到医疗。使用机器学习,也被称为人工智能,研究人员能够识别的基因预测患者是否会获得严重脓毒症,五个不同的方法,可能有意义(子类型/ endotypes)败血症表现。

这将导致测试,让医疗服务提供者快速识别人体对感染功能失调的反应通过测量这些特定的基因表达与疾病相关的生物标记物。技术也是97%准确的确定这五项endotypes脓毒症发生在每个病人。这是很重要的,因为两个亚型与严重败血症和死亡的风险更高。这些生物标志物还在重症监护室工作,是表明一个endotype尤其致命,死亡率为46%。

快速识别脓毒症的类型将有助于医生确定适当的治疗。团队还发现了其他生物标志物评估脓毒症的严重程度(如导致器官衰竭)和死亡的风险。

测量基因表达的技术已经出现在医院,和技术可以在两个小时内进入ER。

预测研究。脓毒症严重性最初临床表现:endotypes和机械的签名的作用,”发表在EBioMedicine。