back to top

Εργαλείο τεχνητής νοημοσύνης εντοπίζει τους ασθενείς με long Covid

Εξελιγμένος αλγόριθμος αναζητά συμπτώματα τα οποία δεν μπορούν να εξηγηθούν από το ιατρικό ιστορικό των ασθενών.

Ένα εργαλείο τεχνητής νοημοσύνης που μπορεί να εξετάζει τους ιατρικούς φακέλους των ασθενών αναζητώντας τα συχνά αδιόρατα συμπτώματα της long COVID, ανέπτυξαν επιστήμονες από τις ΗΠΑ.

Τα συμπτώματα αυτά μπορεί να αφορούν ποικίλα συστήματα του ανθρώπινου οργανισμού. Συμπεριλαμβάνουν από την κόπωση και τον χρόνιο βήχα έως καρδιολογικά προβλήματα και το «θόλωμα» (ομίχλη) του μυαλού. Τυπικά αναπτύσσονται εβδομάδες ή μήνες μετά την αρχική λοίμωξη και μπορεί να επιμείνουν για χρόνια.

Ο αλγόριθμος που ανέπτυξαν οι ερευνητές αναζητά συμπτώματα τα οποία δεν μπορούν να εξηγηθούν από το ιατρικό ιστορικό των ασθενών. Πρέπει επίσης να έχουν διαρκέσει 2 ή περισσότερους μήνες και να έχουν εκδηλωθεί με από οξεία COVID. Μπορεί λ.χ., μπορεί να διακρίνει εάν η δύσπνοια μπορεί να εξηγηθεί από προϋπάρχον άσθμα ή καρδιακή ανεπάρκεια, ή είναι απόρροια της long COVID.

«Το σύστημα που αναπτύξαμε μπορεί να μετατρέψει μία ασαφή διαγνωστική διαδικασία σε μία σαφή και εστιασμένη, παρέχοντας στους γιατρούς τη δυνατότητα να κατανοήσουν μια δύσκολη κατάσταση», δήλωσε ο επιβλέπων ερευνητής Dr. Hossein Estiri, αναπληρωτής καθηγητής Ιατρικής στο Πανεπιστήμιο Χάρβαρντ και στο Γενικό Νοσοκομείο της Μασαχουσέτης.

Η έρευνα

Ο Dr. Estiri και οι συνεργάτες του δημοσίευσαν την ανακάλυψή τους στην ιατρική επιθεώρηση Med. Όπως αναφέρουν, δοκίμασαν το σύστημά τους για να εξετάσουν τους ιατρικούς φακέλους 295.000 ασθενών από 14 νοσοκομεία της Μασαχουσέτης. Περισσότεροι από 85.000 από αυτούς είχαν περάσει την COVID.

Ο νέος αλγόριθμος αναγνώρισε με ακρίβεια που πλησίασε το 80% τους ασθενείς που είχαν τουλάχιστον ένα σύμπτωμα της Long COVID. Οι ασθενείς αυτοί ανέρχονταν στο 22,8% όσων είχαν νοσήσει από τον κορωνοϊό.  Το ποσοστό αυτό είναι πολύ υψηλότερο από το 7% που είχαν αναφέρει προγενέστερες μελέτες, είπαν οι ερευνητές.

Ποια συμπτώματα εξετάζει

Όπως αποκάλυψε ο αλγόριθμος, το 13% των ασθενών που είχαν νοσήσει από τον κορωνοϊό είχαν τουλάχιστον 2 επίμονα συμπτώματα. Ένα άλλο 4% είχαν πάνω από 3 συμπτώματα. Τα συμπτώματα αυτά ήταν γενικευμένα ή ειδικάΣτα γενικευμένα συμπεριλαμβάνονταν:

  • Οίδημα
  • Γενικευμένοι πόνοι
  • Διαταραχές ύπνου
  • Αλλαγές στο σωματικό βάρος ή τη διατροφή
  • Κακουχία και κόπωση

Λιγότερο συχνά γενικευμένα (συστηματικά) συμπτώματα ήταν:

  • Ζάλη
  • Δυσφωνία
  • Υπερίδρωση
  • Σεξουαλική δυσλειτουργία (με τη μορφή της μειωμένης ερωτικής επιθυμίας)

Αντίστοιχα, στα ειδικά συμπτώματα των ασθενών συμπεριλαμβάνονταν καρδιαγγειακά προβλήματα, γαστρεντερικές διαταραχές, δερματικές εκδηλώσεις, αναπνευστικά ενοχλήματα κ.λπ.

«Η συμπτωματολογία και το ιατρικό ιστορικό των ασθενών συχνά είναι μπερδεμένα και κάποια ενοχλήματα αλληλοκαλύπτονται, με συνέπεια να δυσχεραίνουν τη διάγνωση. Το να έχουν οι γιατροί στη διάθεσή τους ένα εργαλείο που τους επιτρέπει να εξερευνούν μεθοδικά τα συμπτώματα αυτά, μπορεί να κάνει τη διαφορά», είπε ο επικεφαλής ερευνητής Dr. Alaleh Azhir.

Πηγή: https://www.iatropedia.gr/eidiseis/ergaleio-technitis-noimosynis-entopizei-tous-astheneis-me-long-covid/194473/

Περισσότερα Άρθρα

Σχετικά Άρθρα

Νέες Δημοσιεύσεις

Μπιλ Γκέιτς: Τα τρία επαγγέλματα που δεν απειλούνται από την τεχνητή νοημοσύνη

Ο Γκέιτς θεωρεί ότι η εξάπλωση της τεχνητής νοημοσύνης θα επιλύσει πολλές προκλήσεις, όπως η έλλειψη ιατρικού προσωπικού, αλλά θα φέρει και έντονες αλλαγές...

ΕΠΙΣΤΗΜΟΝΙΚΑ ΚΙ … ΑΛΛΑ”από τον Ομ. Καθηγητή, Ιωάννη Γουδέβενο, 21.5.2025,- Καρδιακή Ανεπάρκεια

Συνάδελφοι συναδέλφισες Mη το συγχέεται με τo GDMT(Guidelines directed Medical Therapy) Το κάρδιο - νέφρο -μεταβολικό σύνδρομο( cardio-kidney-metabolic (CKM) syndrome) καθιερώθηκε  σαν νέα οντότητα το 2023 ...

Η σημασία και η καινοτομία της εξ αποστάσεως καρδιολογικής εκτίμησης.

Όπως μας ενημερώνει ο επεμβατικός καρδιολόγος Αθηνόδωρος Νικητόπουλος, όταν οι πρώτες καρδιολογικές εξετάσεις επιβεβαιώνουν την ύπαρξη καρδιολογικού προβλήματος, η πρώτη αντίδραση του ασθενούς είναι...

Ετικέτες