Исследование, проведенное учеными Стэнфордского университета, показало, что искусственный интеллект (ИИ) способен значительно улучшить внутривенное питание для недоношенных детей. Статья будет опубликована 25 марта 2025 года в журнале Nature Medicine и является одной из первых, демонстрирующих, как алгоритмы ИИ могут помочь врачам принимать более обоснованные клинические решения для больных новорожденных.
Алгоритм использует данные из электронных медицинских карт недоношенных детей для прогнозирования необходимых им питательных веществ и их количеств. Инструмент ИИ был обучен на основе почти 80,000 предыдущих рецептов внутривенного питания, связанных с информацией о состоянии здоровья этих маленьких пациентов.
По словам исследователей, использование ИИ для назначения внутривенного питания может снизить количество медицинских ошибок, сэкономить время и деньги, а также упростить уход за недоношенными детьми в условиях ограниченных ресурсов. Внутривенное питание, также известное как полное парентеральное питание, является единственным способом кормления недоношенных детей, которые еще не способны усваивать питательные вещества через пищеварительную систему.
“В настоящее время мы каждый день составляем индивидуальный рецепт ТПН (полное парентеральное питание) для каждого ребенка”, – говорит Нима Агаипур, один из авторов исследования. “Это требует значительного времени и ресурсов, так как процесс подвержен ошибкам, и врачам сложно оценить, правильно ли они подобрали формулу.”
Недоношенные дети, особенно те, кто родился на срок более восьми недель раньше, нуждаются во внутривенном питании, так как их кишечник еще не готов к пищеварению. Кроме того, некоторые недоношенные дети испытывают гастроинтестинальные осложнения, вызванные преждевременными родами, и требуют внутривенного питания в процессе восстановления.
В настоящее время назначение внутривенного питания требует участия нескольких специалистов, что делает процесс долгим и сложным. Однако исследователи задумались, можно ли использовать ИИ для создания стандартных формул, которые могли бы удовлетворить потребности всех пациентов.
Алгоритм ИИ был обучен на данных из 10-летнего периода, включая 79,790 рецептов для внутривенного питания от 5,913 недоношенных пациентов. Он анализировал информацию о медицинских результатах, что позволяло выявить тонкие взаимосвязи между уровнями питательных веществ и состоянием здоровья детей.
“Сила ИИ заключается в том, что даже несовершенные данные могут быть полезными, если их достаточно много”, – отметил Агаипур. После обучения алгоритм группировал похожие рецепты, чтобы определить, сколько стандартных формул может удовлетворить все потребности пациентов.
В результате алгоритм смог предложить 15 различных формул для внутривенного питания, что оказалось очень близким к тому, что врачи и диетологи могли бы назначить сами. Эти формулы могут значительно улучшить скорость и безопасность назначения питания.
Дополнительно, ИИ может использовать данные из электронных медицинских карт для прогнозирования, какая формула подойдет каждому конкретному ребенку, и корректировать эти рекомендации в зависимости от изменений в состоянии здоровья пациентов.
Исследователи также провели тестирование, в котором 10 неонатологов сравнивали реальные рецепты с теми, которые рекомендовал алгоритм. Врачи последовательно предпочитали назначения, сделанные ИИ, реальным рецептам.
Следующий шаг в исследовании – провести рандомизированное клиническое испытание, в котором некоторые пациенты будут получать рецепты с использованием традиционного метода, а другие – на основании рекомендаций ИИ, чтобы оценить эффективность каждого подхода.
“Наша цель – сделать так, чтобы ИИ улучшал медицину, облегчая работу врачей и позволяя им сосредоточиться на том, что они могут делать лучше всего, – взаимодействии с пациентами и их семьями”, – заключил Дэвид Стивенсон, соавтор исследования.
Работа поддерживалась Национальными институтами здоровья США и другими организациями, что подчеркивает важность перехода к использованию технологий для улучшения медицинского обслуживания, особенно в условиях нехватки ресурсов.
Источник: News-Medical