AI predviđa astmu u djece bez kristala kugle
A small child's hand reaching toward a wall-sized heatmap of pediatric allergy risk factors, where red zones cluster around early eczema lesions — making the invisible predictive signal viscerally tangible.📷 AI illustration
- ★Strožno učenje pogodilo rizik za astmu
- ★Dermatitis ometa pluća u djetinjstvu
- ★10.688 djece u studiji iz Kalifornije
Algoritmi strojnog učenja uspjeli su odrediti koji će djeca s atopijskim dermatitisom u ranoj dobi razviti umjerenu do tešku perzistentnu astmu i alergijski rinitis. Prema studiji objavljenoj 17. travnja u Žurnalu za alergiju i kliničku imunologiju, istraživači su obradili elektroničke zdravstvene zapise čak 10.688 djece iz Kalifornije. Modeli su razvili Wansu Chen i kolege iz Kaiser Permanente Južne Kalifornije, a njihova točnost dosegla je 0.893 za astmu i 0.892 za alergijski rinitis.
Dermatitis u djetinjstvu postao je noviEntry u ranoj dijagnostici respiracijskih bolesti. Tradicionalno su liječnici oslanjali na kliničku procjenu i obiteljsku anamnezu, ali sada im se nude alati koji kvantificiraju rizik. Između 40,4% djece s atopijskim dermatitisom razvije neki oblik astme unutar nekoliko godina, što ovu studiju čini korakom prema preventivnoj pedijatriji.
Međutim, brojke nisu sve. Iako su modeli imali visoku specifičnost, istraživači naglašavaju da još nisu validirani u realnim kliničkim uvjetima. Proizlazi li iz toga da će liječnicima trebati dodatna obuka za implementaciju ili da će se morati integrirati u postojeće elektroničke zdravstvene kartone?
Sustav koji koristi strogo nadzirane modele na velikoj bazi podataka zapravo nije revolucionaran, ali jest učinkovit. Ono što je novo je primjena na pedijatrijsku populaciju s tako visokom točnosti. Drugim riječima, umjesto lutanja u kristalnoj kugli, sada imamo brojke koje govore sama za sebe.
Istraživači sugeriraju da bi se model mogao koristiti za ranu intervenciju, poput savjetovanja o kontroli okoliša ili upućivanja alergologu. Ali u kojoj mjeri će to utjecati na incidenciju astme? Studija je provedena na Kalifornijskom stanovništvu, pa bi generalizacija na druge populacije mogla biti problematična. Postoje li značajne razlike u etiologiji atopijskog dermatitisa između različitih geograskih područja?
Za razvojne timove, ovo je signal da bi strogo nadzirani modeli mogli biti dovoljno dobri za kliničku primjenu, barem u fazama probne uporabe. No, pitanje zahtjeva za podatkovnim skupinama i informiranom suglasnošću i dalje je otvoreno. Kako osigurati da algoritam ne postane još jedan 'crni sanduk' u medicinskoj praksi?
Kaiser Permanente ima prednost jer već sakuplja ogromne količine podataka iz elektroničkih kartona. Drugi sustavi tek trebaju pronaći način za uspostavljanje sličnih baza bez ugrožavanja privatnosti. Cijela priča, dakle, nije samo u algoritmima već i u infrastrukturi koja ih pokreće.