Skip to main content
European Commission logo
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS
CORDIS Web 30th anniversary CORDIS Web 30th anniversary

AI-based infectious diseases diagnosis in seconds

Article Category

Article available in the following languages:

Sztuczna inteligencja przejmuje laboratoryjne badania na obecność patogenów

Prawie wszystkie choroby zakaźne układu oddechowego, w tym COVID-19, objawiają się w bardzo podobny sposób, co utrudnia postawienie właściwej diagnozy. W ramach projektu EDAS HEALTHCARE opracowano oparty na sztucznej inteligencji system zdolny do szybkiego i zdalnego przewidywania przyczyny zakażenia, bazując jedynie na parametrach demograficznych pacjenta.

Gospodarka cyfrowa icon Gospodarka cyfrowa
Zdrowie icon Zdrowie

Obecnie zdolność do wykrywania chorób zakaźnych układu oddechowego w miejscu opieki nad pacjentem jest ograniczona, często nie oferując możliwości rozróżnienia pomiędzy zakażeniem bakteryjnym i wirusowym. W rezultacie lekarze przepisują pacjentom antybiotyki, które często są nieodpowiednie, a nawet niepotrzebne, co pociąga za sobą duże koszty i zwiększa ryzyko wystąpienia oporności na środki przeciwdrobnoustrojowe. W dobie rozprzestrzeniania się choroby COVID-19 możliwość zdalnego i momentalnego wykluczenia zakażenia nią u sporej liczby ludzi stanowi przełomowe rozwiązanie na drodze do powstrzymania pandemii i optymalizacji zasobów medycznych.

Sztuczna inteligencja na pierwszej linii diagnostyki

Z klinicznego punktu widzenia zapewnienie właściwego leczenia w ciągu pierwszych 24–48 godzin od wystąpienia objawów ma kluczowe znaczenie. Mając to na uwadze, skupieni wokół projektu EDAS HEALTHCARE naukowcy opracowali system wspomagania decyzji dla lekarzy, który opiera się na algorytmach dużych zbiorów danych (Big Data) i uczenia maszynowego w celu natychmiastowego i zdalnego diagnozowania chorób zakaźnych. „Nasza opatentowana technologia wykorzystuje sztuczną inteligencję i anonimowe, historyczne dane laboratoryjne do dokładnego przewidywania przyczyn zakażenia wyłącznie w oparciu o proste parametry demograficzne”, wyjaśnia Gil Mildworth, dyrektor ds. biznesowych w firmie EDAS Healthcare Ltd. System opiera się na diagnostyce epidemiologicznej i opartej na lokalizacji i przekazuje informacje do zintegrowanego silnika wirusologicznego, epidemiologicznego i demograficznego. System na bieżąco gromadzi informacje, które są prezentowane w postaci geograficznych map ognisk przedstawiających aktualny stan zakażeń poszczególnymi patogenami o dokładności sięgającej do poziomu ulicy. System uwzględnia bardzo niewielką ilość danych wejściowych, takich jak wiek, płeć i adres pacjenta, aby móc w sposób zdalny natychmiastowo przedstawić diagnozę bez konieczności odwiedzania kliniki lub szpitala. Co ważne, technologia sztucznej inteligencji opiera się na faktycznych danych z badań laboratoryjnych i dlatego możliwe jest zastosowanie jej w wielu procesach klinicznych. Technologia ta przeszła walidację kliniczną w izraelskim Centrum Medycznym Hadassah w Jerozolimie, gdzie zastosowano ją u dziesiątek tysięcy pacjentów, umożliwiając wykrycie praktycznie wszystkich powszechnie występujących patogenów układu oddechowego, takich jak pałeczka krztuśca, pałeczka grypy, mikoplazma i dwoinka zapalenia płuc. Pozwala ona również na wykrywanie wirusów, które mogą powodować choroby układu oddechowego, w tym SARS-CoV-2, adenowirusa, ludzkiego metapneumowirusa, wirusa grypy i syncytialnego wirusa oddechowego. Jeśli chodzi o skuteczność, wyniki projektu EDAS HEALTHCARE wykazały ponad 97 % dokładność w wykluczaniu patogenów zakaźnych i ponad 70 % dokładność w przewidywaniu rzeczywistej przyczyny zakażenia układu oddechowego. W przypadku COVID-19 dokładność ta osiągnęła 80 %, a wszystko to bez konieczności stosowania jakiegokolwiek sprzętu. Mildworth podkreśla, że „dokładność w wykluczaniu patogenu jako przyczyny danego zakażenia układu oddechowego wynosi zazwyczaj 99 %, co jest kluczowe dla zapewnienia optymalnego leczenia i zwalczania COVID-19”.

Kliniczne wdrażanie technologii

Na podstawie badań rynkowych i rozmów przeprowadzonych z wiodącymi podmiotami i interesariuszami z rynku opieki zdrowotnej w Zjednoczonym Królestwie partnerzy projektu EDAS HEALTHCARE skupią się na podstawowej opiece zdrowotnej i szybko rosnącym sektorze usług telemedycznych. Technologia ta pozwala na zdalne, dokładne diagnozowanie pacjentów, które może zminimalizować rozprzestrzenianie się patogenów, ponieważ zakażeni pacjenci nie będą mieć kontaktu z personelem medycznym i innymi pacjentami w klinice. Wdrożenie technologii EDAS HEALTHCARE przyczyni się do obniżenia kosztów opieki zdrowotnej poprzez zwiększenie wydajności w zakresie podstawowej opieki zdrowotnej, wyeliminuje konieczność odbywania przez pacjentów wizyt kontrolnych, zapewni dodatkowe możliwości leczenia, zmniejszy koszty zbędnych leków i obciążenie pracą laboratoriów klinicznych. Co ważne, technologia ta może pomóc w walce z coraz większym problemem medycznym, jakim jest oporność na środki przeciwdrobnoustrojowe, poprzez ograniczanie przypadków zbędnego przepisywania antybiotyków. W obliczu epidemii COVID-19 narzędzie opracowane w ramach projektu EDAS HEALTHCARE umożliwia zdalną diagnozę bez potrzeby przerywania potencjalnej izolacji. Ponadto organizacje zdrowotne mogą wykorzystać je do badań przesiewowych ludności, a tym samym zapobiegać dalszemu rozprzestrzenianiu się wirusa wśród ludzi, w efekcie zwiększając efektywność istniejących zasobów medycznych. Jak mówi Mildworth: „Błyskawiczne wykluczenie zakażenia COVID-19 z 99 % dokładnością ma kluczowe znaczenie dla powrotu gospodarki do normalności, oferując pracodawcom możliwość codziennego badania swoich pracowników, a jednocześnie umożliwiając laboratoriom molekularnym podwojenie ich wydajności i optymalizację priorytetyzacji badań. Oznacza to również, że agencje ds. kontroli chorób będą mogły reagować z wyprzedzeniem i podejmować odpowiednie środki ograniczające rozprzestrzenianie się choroby”.

Słowa kluczowe

EDAS HEALTHCARE, diagnostyka, patogen, choroby zakaźne układu oddechowego, sztuczna inteligencja, COVID-19, uczenie maszynowe

Znajdź inne artykuły w tej samej dziedzinie zastosowania