Istraživači razvijaju alat za strojno učenje za predviđanje nekrotizirajućeg enterokolitisa kod nedonoščadi

Kad bi liječnici mogli točno predvidjeti NEC prije nego što se beba zaista razboli, postoje neki vrlo jednostavni koraci koje bi mogli poduzeti; liječenje bi moglo uključivati ​​zaustavljanje hrane, davanje IV tekućine, i početak antibiotika za sprječavanje najgorih posljedica, poput dugotrajne invalidnosti ili smrti. "

Thomas Hooven, Glavni autor studije i docent, Sveučilište u Pittsburgu

Hooven, koji je započeo suradnju sa Salleb-Aouissi dok je bio docent pedijatrije na Odjelu neonatologije-perinatologije na Medicinskom centru Sveučilišta Columbia. Sada je docent pedijatrije na Odjelu za medicinu novorođenčadi na Medicinskom fakultetu Sveučilišta u Pittsburghu.

Trenutno, ne postoji alat za predviđanje koja će nedonoščad dobiti bolest, i često se NEC ne prepoznaje sve dok nije prekasno za učinkovitu intervenciju. NEC je najčešća crijevna hitna situacija među nedonoščadi. Karakterizira ga brzo progresivna nekroza crijeva, bakteremija, acidoza, te visoke stope morbiditeta i mortaliteta.

Uzroci NEC-a nisu dobro razumljivi, no nekoliko se studija usredotočilo na promjene u crijevnom mikrobiomu, bakterije u crijevima čiji se sastav može odrediti sekvenciranjem DNA iz malih uzoraka stolice.

Istraživači su pretpostavili da pristup strojnog učenja modeliranju kliničkih, demografski, i podaci o mikrobiomima nedonoščadi mogli bi omogućiti diskriminaciju pacijenata s visokim rizikom za NEC mnogo prije početka kliničke bolesti, što bi omogućilo ranu intervenciju i ublažavanje ozbiljnih komplikacija.

Hooven, Salleb-Aouissi, i Lin su koristili podatke iz kliničke studije NIH -a iz 2016. o nedonoščadi čija je stolica prikupljena u nekoliko američkih neonatalnih intenzivnih odjeljenja između 2009. i 2013. Tim je ispitao 2, 895 uzoraka stolice od 161 nedonoščadi, Od kojih je 45 razvilo NEC.

S obzirom na složenost podataka o mikrobiomu, istraživači su izveli nekoliko koraka predprocesiranja podataka kako bi smanjili njegovu dimenzionalnost, te se pozabaviti kompozicijskom i hijerarhijskom prirodom ovih podataka kako bi ih iskoristili za strojno učenje.

"NEC predstavlja izvrsnu aplikaciju sa stajališta strojnog učenja, "rekao je Salleb-Aouissi." Lekcije koje smo naučili iz naše nove tehnike mogle bi se prevesti u druge genetske ili proteomske skupove podataka i inspirirati nove algoritme strojnog učenja za skupove podataka u zdravstvu. "

Tim je procijenio nekoliko metoda strojnog učenja kako bi odredio najbolju strategiju predviđanja NEC -a iz podataka mikrobioma. Pronašli su optimalne performanse iz pristupa s višestrukim učenjem zasnovanim na pažnji (MIL).

Budući da su ljudski mikrobiomi podložni promjenama, metode MIL rješavaju sekvencijalni aspekt problema. Na primjer, u prvih 20 dana nakon rođenja djeteta, dojenčev mikrobiom prolazi kroz drastičnu promjenu. Mnoga su istraživanja pokazala da su dojenčad s većom raznolikošću mikrobioma obično zdravija.

"To nas je dovelo do mišljenja da promjene u raznolikosti mikrobioma mogu pomoći objasniti zašto je vjerojatnije da će neka djeca biti bolesna od NEC -a, "rekao je Adam (Yun Chao) Lin, student računalnih znanosti MS i koautor studije čiji ga je rad na ovom projektu potaknuo da sada nastavi doktorat.

Umjesto da promatrate uzorke mikrobioma od dojenčeta kao neovisne, tim je predstavljao svakog pacijenta kao zbirku uzoraka i primijenio mehanizme pažnje za učenje složenih odnosa među uzorcima. Algoritam strojnog učenja "gleda" svaku vrećicu i pokušava iz njezinog sadržaja pogoditi je li dijete pogođeno ili nije.

U ponovljenim ispitivanjima, sposobnost modela da razlikuje dojenčad pogođenu od nezaražene ima dobru ravnotežu osjetljivosti i specifičnosti. "Površina ispod ROC krivulje (AUC) je oko 0,9, što pokazuje koliko su naši modeli dobri u razlikovanju oboljelih i nezaraženih pacijenata, "Primijetio je Salleb-Aouissi.

"Naš je prvi učinkovit sustav za klinički primjenjiv model strojnog učenja koji kombinira mikrobiome, demografski, i kliničke podatke koji se mogu prikupiti i pratiti u stvarnom vremenu na odjelu za novorođenčad. Uzbuđeni smo zbog proširenja njegove primjene na novo područje prediktivnog praćenja u medicini. "

Znanstvenici sada razvijaju neinvazivnu samostalnu platformu za testiranje za točnu identifikaciju dojenčadi s visokim rizikom za NEC prije kliničkog početka, kako bi spriječili najgore ishode. Kad platforma bude spremna, provest će randomizirano kliničko ispitivanje kako bi potvrdili predviđanja svoje tehnike u kohorti neonatalnih intenzivnih bolnica u stvarnom vremenu.

"Prvi put mogu zamisliti budućnost u kojoj će roditelji nedonoščadi, i njihovi liječnički timovi, više ne žive u stalnom strahu od NEC -a, "rekao je Hooven.

• Zamjena crvenog mesa za biljne zamjene smanjuje rizik od kardiovaskularnih bolesti
• Studija pronalazi dokaze o crijevnoj disbiozi kod ljudi s Huntingtonovom bolešću