Denník N

Umelá inteligencia a liečba otravy krvi

O tom, ako nám matematika a umelá inteligencia môžu pomôcť určiť optimálnu liečbu jednej z najzávažnejších diagnóz.

Sepsa, alebo ľudovo otrava krvi, je globálne treťou najčastejšou príčinou smrti a hlavnou príčinou úmrtnosti v nemocniciach. Podľa svetovej zdravotníckej organizácie ročne zasiahne až 30 miliónov ľudí, pričom na ňu zomrie viac ako 5 miliónov ľudí – približne rovnako ako na cievnu mozgovú príhodu (mŕtvicu), čo z nej robí jednu z najzávažnejších výziev pre modernú medicínu.

O čo ide pri sepse? Zjednodušene, ide o stav, pri ktorom ľudský imunitný systém pri snahe vysporiadať sa s infekciou poškodzuje orgány.

Ľudský imunitný systém sa snaží s infekciou bojovať prostredníctvom aktivácie množstva imunitných buniek. Imunitné bunky sú niečo ako SWAT tím v americkej kriminálke – pošlite ich na správnu adresu (teda tam, kde sú identifikované nepriateľské mikróby) a oni tých zlých chlapcov (mikróby) rozbijú na kašu, snáď s minimálnymi škodami pre susedov (rozumej zdravé bunky organizmu).

Ak však takýto tím s bianko šekom pustíte do celého mesta a poviete im aby to ukázali všetkým, ktorí sa len trochu podobajú na teroristov, tak určite dôjde aj k ujme u susedov, teda dôjde aj k útoku na bunky organizmu. Komando imunitných buniek spôsobí v tele zápalové reakcie, ktoré môžu viesť k vytváraniu maličkých krvných zrazenín brániacich zásobovaniu orgánov kyslíkom a inými potrebnými živinami. V konečnom dôsledku smrť nastane v dôsledku zlyhania funkcie životne dôležitých orgánov zapríčineného závažným znížením krvného tlaku a nedostatkom prísunu kyslíka .

Samozrejme, telo sa snaží brániť – napríklad znižovaním počtu aktívnych buniek imunitného systému TH1, ktoré podporujú bunkovú imunitnú odpoveď organizmu (pre znalcov:  takouto odpoveďou je napríklad fagocytóza, pri ktorej napríklad makrofág, či dendritická bunka doslova pohltí záškodnícku baktériu). To však robí imunitný systém bezzubejším – predstavte si, že zakážete policajtom používať efektívne zbrane napriek tomu, že bojujú proti po zuby ozbrojeným zločincom. V tomto stave navyše začnú bunky imunitného systému byť atakované choroboplodnými zárodkami zvonka a teda zabíjané v zvýšenej miere, čo rozhodne nepomáha.

Akým spôsobom funguje liečba sepsy? Vnútrožilovo podávanými širokospektrálnymi antibiotikami, ktoré pôsobia proti množstvu rôznych druhov baktérií, roztokmi zabraňujúcimi dehydratácii, či látkami, ktoré zužujú cievy, aby tak zvýšili nízky krvný tlak.. A práve dávkovanie týchto rôznych liečiv spôsobuje lekárom hlavybôľ, keďže doteraz neexistujú pravidlá pre ich optimálne dávkovanie  ušité na mieru pre každého pacienta  – dostupné sú len všeobecné smernice. Tie však vedú k obrovskej variabilite výsledkov liečby.

Otázka teda znie: je možné na základe dostupných informácií o pacientovi určiť optimálnu liečbu pre daného pacienta?

Presne túto otázku si položil tím pod vedením Dr. Alda Faisala z  Imperial College London. Tím bioinžinierov a lekárov analyzoval dáta pacientov zaznamenané počas 15 rokov na 130 jednotkách intenzívnej starostlivosti.

Na základe 48 rôznych vlastností pacienta, ako napríklad vek, pohlavie, rôzne laboratórne parametre, prítomnosť externej ventilácie, či astrologické znamenie (dobre, to posledné nepoužili, ja len či dávate pozor) sa inžinieri pokúsili určiť optimálne množstvo vnútrožilovo podávaných tekutín a látok zvyšujúcich krvný tlak tak, aby minimalizovali úmrtnosť pacientov, pričom dáta o úmrtnosti (teda či pacient sepsu prežil, alebo neprežil) mali k dispozícii. Inými slovami, bioinžinieri sa pokúsili sa nájsť optimálnu liečebnú stratégiu pre každého pacienta.

Algoritmus, ktorý Dr. Faisal a jeho kolegovia použili, pochádza z oblasti strojového učenia nazývanej „reinforcement learning“, ktorá je mimoriadne zaujímavá a má obrovské uplatnenie v robotike, autonómnych vozidlách, či v kasínach, napríklad pri takom BlackJacku (poznámka: autor tohto blogu nie je fanúšikom hazardných hier). Podobný algoritmus nazvaný AlphaGo bol tiež použitý na porazenie jedného z majstrov v hre Go. O reinforcement learningu v budúcnosti  ešte napíšem viac.

Nuž a aké boli výsledky?

Ukázalo sa, že „Dr. Umelá Inteligencia“, ako tento algoritmus nazvali títo bioinžinieri, v priemere odporúčal nižšie dávky vnútrožilovo podávaných tekutín a vyššie dávky tlak zvyšujúcich tekutín ako je bežná klinická prax. Dáta o úmrtnosti pacientov jasne ukázali, že úmrtnosť pacientov bola najnižšia v prípadoch, keď sa liečba podávaná lekármi v praxi zhodovala s liečbou, ktorú by odporučil algoritmus.

Inžinierom sa tiež podarilo overiť, že optimálna stratégia odporúčaná algoritmom sa dá klinicky interpretovať a závisí najmä na objektívnych biologických parametroch, ako napríklad koncentrácia kyseliny mliečnej v tepnách, priemerný krvný tlak, či množstvo vylúčeného moču. Tento poznatok je veľmi dôležitý, keďže interpretovateľnosť odporúčaní algoritmov strojového učenia je kľúčová pre ich využitie v praxi.

Takýto systém by mohol byť použitý v reálnom čase tak, aby sa klinické údaje pacienta pochádzajúce z rôznych zdrojov zhromaždili v elektronickom zdravotnom zázname, ktorý by mohol byť následne použitý na určenie optimálnej liečby. Avšak lekári by nemali vešať plášte na klinec – sú to v konečnom dôsledku oni, ktorí musia urobiť finálne rozhodnutia týkajúce sa liečby. Preto bude momentálne tento inžiniersky tím skúšať algoritmus v britských nemocniciach.

Samozrejme, nemusíme sa obmedziť na jedinú závažnú diagnózu, akou je sepsa – tento postup môže byť využitý napríklad aj pri optimalizácii liečby rakoviny, alebo pri optimalizácii  a individualizácii liečby ekzému.

Čo si odniesť z tohto článku?

  1. Matematika a počítačové simulácie sú mocným nástrojom, ktorý môže zlepšiť naše liečebné procesy.
  2. Dôsledné zaznamenávanie pacientskych dát je jedným z pilierov pokroku medicíny.
  3. Niekedy netreba vymýšľať nové lieky – stačí rozumnejšie používať tie aktuálne dostupné.

Kredit za cool novinky patrí skvelým vedcom a inžinierom, kritika za chyby a nepresnosti patrí mne. Ak nájdete chybu, alebo ak vás zaujíma téma ďalej, píšte na [email protected].

Originálny článok publikovaný v Nature Medicine z ktorého som čerpal.

Teraz najčítanejšie

Miroslav Gašpárek

Som absolventom magisterského štúdia biomedicínskeho inžinierstva na Imperial College London. Fascinujú ma aplikácie matematiky v medicíne, systémová biológia a syntetická biológia ktorým som sa počas štyroch rokov štúdia venoval v rámci výskumných stáží na Imperial College, California Institute of Technology a na Stanford University. Tiež rád uvažujem nad budúcnosťou medicíny a nad tým, ako môžeme prostredníctvom technológií zlepšiť fungovanie zdravotníckych systémov.