Συνεργασία του Πανεπιστημίου Yale με το Εθνικό Καποδιστριακό Πανεπιστήμιο Αθηνών για την πρόβλεψη σοβαρότητας περιστατικών κατά την διάρκεια εξάρσεων λοιμωδών νόσων (π.χ. SARS-CoV-2)

Μια ομάδα ερευνητών από το Πανεπιστήμιο του Yale, με επικεφαλής τον Καθηγητή Επιδημιολογίας και Επίτιμο Καθηγητή του ΕΚΠΑ, Βασίλη Βασιλείου, το Εργαστήριο Αναλυτικής Χημείας του ΕΚΠΑ, και συγκεκριμένα η ερευνητική ομάδα του Καθηγητή Νικόλαου Θωμαΐδη, και άλλα ιδρύματα παγκοσμίως έχουν αναπτύξει μια καινοτόμο πλατφόρμα με βάση την τεχνητή νοημοσύνη (AI). Η πλατφόρμα αυτή, η οποία αξιοποιεί δεδομένα μηχανικής μάθησης και μεταβολομικής, έχει σκοπό να βελτιώσει τη διαχείριση ασθενών και να βοηθήσει τους παρόχους υγειονομικής περίθαλψης να κατανέμουν τους πόρους πιο αποτελεσματικά κατά τη διάρκεια σοβαρών εξάρσεων λοιμωδών νόσων που μπορούν γρήγορα να κατακλύσουν τα τοπικά συστήματα υγειονομικής περίθαλψης. 

Το λογισμικό COVID Severity by Metabolomic and Clinical Study (CSMC) αναπτύχθηκε για να υποστηρίζει την προ-νοσοκομειακή διαδικασία και να ταξινομεί την κατάσταση των ασθενών όταν φτάνουν στο Τμήμα Επειγόντων Περιστατικών. Το λογισμικό μηχανικής μάθησης χρησιμοποιεί τα κλινικά δεδομένα (που λαμβάνονται συνήθως κατά την εισαγωγή στο νοσοκομείο) και τα μεταβολομικά δεδομένα πλάσματος του ασθενούς για να προβλέψει: (i) τη διάθεση εξιτηρίου του εισαχθέντος ασθενούς (πρόβλεψη επιβίωσης), (ii) τη διάρκεια της νοσηλείας και (iii) την πρόγνωση της νόσου (δηλαδή τον κίνδυνο του ασθενούς για ανάγκη διασωλήνωσης). Αυτή η προσέγγιση μπορεί να χρησιμοποιηθεί για μελλοντικές επιδημίες, συνδυάζοντας κλινικά δεδομένα με δεδομένα μεταβολισμού, χρησιμοποιώντας έναν αλγόριθμο αυτομάθησης για να βοηθήσουν τα νοσοκομεία να αξιολογήσουν τους ασθενείς σύμφωνα με την ανάγκη τους για επείγουσα ιατρική φροντίδα. 

Οι ερευνητές συνεχίζουν τις εργασίες τους σε αυτό το θέμα επεκτείνοντας τις γνώσεις μας σχετικά με το μεταβολικό προφίλ των ασθενών με λιγότερο επεμβατικά δείγματα όπως με τη χρήση ούρων και σάλιου: «Οραματιζόμαστε έναν κόσμο με ένα διαδικτυακό εργαλείο τεχνητής νοημοσύνης διαθέσιμο στο κοινό, το οποίο μπορεί να τροφοδοτηθεί με δεδομένα σε πραγματικό χρόνο από τους παρόχους υγειονομικής περίθαλψης, χτίζοντας τους κανόνες απόφασης με βάση αναλυτικές μετρήσεις και παρέχοντας ιεράρχηση κινδύνου/σοβαρότητας μιας ασθένειας κατά τη διάρκεια μιας πανδημίας». 

Η εργασία «An AI-powered patient triage platform for future viral outbreaks using COVID-19 as a disease model» δημοσιεύτηκε στο περιοδικό Human Genomics.