Исследователи из Университета Квинсленда использовали машинное обучение, чтобы помочь предсказать риск вторичных бактериальных инфекций у госпитализированных пациентов с COVID-19.

Метод машинного обучения может помочь определить, является ли использование антибиотиков критическим для пациентов с этими инфекциями.

Доцент Кирсти Шорт из Школы химии и молекулярных биологических наук сказала, что вторичные бактериальные инфекции могут быть чрезвычайно опасными для тех, кто госпитализирован с COVID-19.

«Оценки случаев вторичных бактериальных инфекций у пациентов с COVID-19 широки, но в некоторых исследованиях 100 процентов смертельных случаев были вызваны сопутствующей бактериальной инфекцией», — сказал доктор Шорт.

«Чтобы снизить риск сопутствующих бактериальных инфекций, теоретически можно было бы просто лечить всех пациентов с COVID-19 антибиотиками».

«Однако существует опасность того, что чрезмерное лечение антибиотиками потенциально может привести к устойчивости к антибиотикам и созданию бактериальных супербактерий».

«Мы помогли разработать надежную прогностическую модель для определения риска бактериальных инфекций у пациентов с COVID-19, что способствует осторожному использованию антибиотиков».

Этот метод известен как «оператор наименьшего абсолютного сжатия и выбора (ориг. least absolute shrinkage and selection operator)» — или  сокращенно LASSO.

Образцы крови пациентов с COVID-19 из шести стран были проанализированы с помощью метода LASSO.

Команда обнаружила, что экспрессия семи генов у пациента с COVID-19 может предсказать риск развития вторичной респираторной бактериальной инфекции после 24 часов госпитализации.

Доктор Миган Карни из Школы математики и физики сказала, что эти семь генов теперь помогут врачам сделать более осознанный выбор, когда дело доходит до использования антибиотиков.

«Эти данные открывают удивительную возможность того, что транскрипция и анализ генов во время клинической картины в больнице вместе с машинным обучением могут изменить правила игры при назначении антибиотиков», — сказал доктор Карни.

Она также подчеркнула, что LASSO упрощен по сравнению со сложными методами машинного обучения, связанными с искусственным интеллектом, которые сейчас обсуждаются в средствах массовой информации.

«Исследовательские проекты, подобные этому, в которых используются гораздо менее сложные методы машинного обучения, могут помочь преодолеть разрыв между учеными, работающими с данными, и учеными в других областях», — сказала она.

«Мы должны стремиться к тому, чтобы наука о данных перестала быть черным ящиком и вдохновила ученых всего мира лучше понять, как она может произвести революцию в медицинской промышленности». 

Исследователи хотели бы отметить обширное международное сотрудничество клиницистов, вирусологов, биоинформатиков и многих других экспертов, которые сделали это исследование возможным, включая Консорциум PREDICT , Фонд Сноу и Больницу Непин. 

Оригинальный источник: https://www.uq.edu.au/news/article/2024/01/machine-learning-battle-covid-19-bacterial-co-infection