Kolumbijscy naukowcy opracowują narzędzie AI do przewidywania powikłań malarii

Światowa Organizacja Zdrowia szacuje, że w 2023 r. na świecie odnotowano 263 mln przypadków malarii i 597 000 zgonów z powodu tej choroby. Kolumbia nie jest obca tego typu przypadkom. Według Narodowego Instytutu Zdrowia, w listopadzie 2024 r. dane wykazały 81% wzrost liczby przypadków malarii w kraju w porównaniu z tym samym rokiem.

Malaria to choroba wywoływana przez pasożyta Plasmodium, który często mylony jest z żółtą febrą i dengą, ponieważ przenoszona jest przez wektory, które są żywicielami pośrednimi choroby, tzn. występują u zwierząt, które są nosicielami choroby, ale nie są przez nią dotknięte.

„Wektory to połączenie między pierwotnym żywicielem lub zwierzęciem, które przenosi chorobę, a ludźmi. Wektorami są zazwyczaj komary. Owady te są odpowiedzialne za przenoszenie choroby z jednego miejsca do drugiego. Dlatego jednym z powodów, dla których choroba jest tak myląca, jest to, że jest przenoszona przez te wektory” — mówi dr Luis Felipe Reyes, wysoko ceniony profesor chorób zakaźnych na Wydziale Lekarskim Uniwersytetu La Sabana.

Mając na celu przyczynienie się do opracowania strategii rozwiązywania podstawowych przyczyn malarii i opierając się na fakcie, że choroba ta zwykle występuje na odległych i zalesionych obszarach, gdzie szpitale i punkty opieki zdrowotnej nie zawsze są w zasięgu ręki, grupa badaczy z Uniwersytetu La Sabana, w skład której weszli Alirio Bastidas-Goyes, Juan Leon-Ariza, Angela Guerrero, Mauricio Agudelo, Daniel Botero-Rosas i Eduardo Tuta-Quintero, postawiła sobie za cel stworzenie sztucznej inteligencji, która ułatwi diagnozę choroby – proces ten został również udokumentowany w artykule „Zastosowanie sztucznej inteligencji w przewidywaniu powikłań u pacjentów z malarią”.

„Stworzyliśmy system ze sztuczną inteligencją, który analizuje bardzo proste zmienne, bez potrzeby stosowania zaawansowanej technologii, i który potrafi przewidzieć, czy u danej osoby wystąpią powikłania, czy nie” – wyjaśnia Daniel Botero.

To innowacyjne rozwiązanie jest innowacyjne, ponieważ staje się prostym narzędziem, z którego może korzystać każda osoba zaangażowana w sektor opieki zdrowotnej. Pozwala ono, bez konieczności wykonywania grubego rozmazu krwi, który wymaga mikroskopu, laboratorium i bakteriologa, zidentyfikować rodzaj Plasmodium u pacjenta i określić, czy istnieje prawdopodobieństwo wystąpienia powikłań. „Dzięki temu nie potrzebujemy testu i osiągamy wydajność podobną do tej osiąganej przy użyciu obecnych metod” — dodaje Botero.

Aby osiągnąć ten rozwój, eksperci zidentyfikowali szereg zmiennych, które pozwalają im zidentyfikować obecność choroby. W niektórych przypadkach choroby takie jak denga i żółta febra mogą być mylone z malarią, więc sztuczna inteligencja może pomóc odróżnić je od siebie i ustalić dokładniejszą diagnozę.

W tym kontekście eksperci wzięli pod uwagę takie czynniki, jak średnie ciśnienie tętnicze, hemoglobina, liczba białych krwinek, liczba płytek krwi, całkowita bilirubina, trudności w oddychaniu, wymioty, przebyta malaria, wcześniejsze stosowanie leków przeciwmalarycznych i utrzymująca się gorączka.

„Chodziło o połączenie tych dwóch aspektów — zarówno wykonalności testu w warunkach nieaktywnych, jak i reprezentacji uszkodzonych układów narządów spowodowanych chorobą — aby połączyć te informacje i uzyskać wynik, który powie nam, czy istnieje prawdopodobieństwo, i w jakim stopniu, że choroba będzie ciężka i zagrażająca życiu” — mówi dr Eduardo Tuta Quintero.

W ten sposób, wykorzystując bazę danych składającą się z 412 kolumbijskich pacjentów, czyli próbę, która w porównaniu z innymi badaniami jest najbardziej wierna realiom kraju, pozwoliło to na opracowanie technik V cross, Random Cross Validation, Modified Retention Validation i Proportional Sample Percentage Validation w celu oceny wydajności sieci neuronowej.

Przełom może mieć istotne znaczenie, zwłaszcza na obszarach wiejskich lub o ograniczonych zasobach, gdzie trafna i szybka diagnoza może oznaczać różnicę między życiem a śmiercią.

„Model ten nadal wymaga walidacji przy użyciu danych z innych ośrodków medycznych, ale stanowi on ważny krok w kierunku integracji sztucznej inteligencji z praktyką kliniczną w zakresie chorób zakaźnych w miejscach o dużym obciążeniu, takich jak Kolumbia” – podsumował Botero-Rosas.

Dlatego w drugiej fazie zespół lekarzy i inżynierów zamierza wdrożyć tę technologię tak, aby osoby pracujące w sektorze opieki zdrowotnej mogły za pośrednictwem aplikacji wprowadzać żądane dane i określać, czy prawdopodobieństwo wystąpienia u pacjenta powikłań jest wysokie, czy niskie.

Aby osiągnąć tę drugą fazę, wyjaśnia Botero, wymagana jest zgoda na stosowanie u ludzi i wcześniejsza zgoda kilku filtrów walidacyjnych. „Teraz musimy przetestować go na populacjach zewnętrznych, aby sprawdzić, czy nadal działa tak dobrze, jak w walidacji wewnętrznej, czyli na podstawie danych, które mamy”.

Dysponując tym narzędziem, zespół badaczy pragnie przyczynić się do globalnego trendu znanego jako medycyna personalizowana, w ramach której systemy wsparcia pomagają lekarzom podejmować lepsze decyzje.

Dziennikarz ds. środowiska i zdrowia