Младенцы, родившиеся слишком рано часто, изо всех сил пытаются остаться в живых. Но врачам может прийтись, нелегко говоря, какие недоношенные дети собираются получить серьезные проблемы со здоровьем, такие как нарушение дыхания, и которые будут прекрасными. Теперь, исследователи развили модель, которая может предсказать результаты недоношенного ребенка с большим, чем 90%-я точность — трансгрессия, которая могла помочь врачам идентифицировать самых больных младенцев и сэкономить миллиарды долларов в затратах на здравоохранение.Пятьдесят лет назад врач Вирджиния Апгэр из Колумбийского университета разработала систему выигрыша для рейтинга здоровья новорожденного.
Счет Апгэр — все еще стандартный метод анализа воды и сточных вод — принимает во внимание факторы такой как, сгибает ли ребенок его руки и ноги или лежит неподвижно, дышит хорошо или нисколько, и является ли его кожа здоровой и розовой или синеватой. Когда дело доходит до предсказания тяжелой болезни, такой как кровотечение в легких, однако, счет Апгэр составляет правильные только приблизительно 70% времени.
Новые модели, что фактор в количестве лейкоцитов и pH крови добивается большего успеха, но, “они требуют большого агрессивного испытания”, говорят Анна Пенн, neonatologist в Лусил Пэкард детской больнице (LPCH) в Пало-Альто, Калифорния.Исследователи, включая Пенна и co-ведущего-автора Дафни Коллер, программиста в Стэнфордском университете, намереваются разрабатывать более точный все же неразрушающий инструмент для предсказания главных сложностей в самых крошечных новорожденных.
Исследователи выбрали 138 младенцев, родившихся в LPCH, кто провел меньше чем 35 недель в матке и весил меньше чем 2 кг. Бригада классифицировала недоношенных детей как высокий риск или низкий риск на основе болезней, которые они заболели. Младенцы в рискованной группе умерли или развили серьезные сложности, такие как инфекции, кровотечение, и легкое и проблемы с сердцем. Младенцы в группе с низким риском перенесенные только легкие болезни, такие как небольшое респираторное бедствие.
Затем, исследователи исследовали физиологические данные, обычно собираемые за первые 3 часа жизни прикроватными мониторами, такими как частота сердцебиений, интенсивность дыхания и сумма кислорода в крови. Когда они смоделировали эти данные, они наблюдали подписи в больных младенцах, отличавшихся от тех, они наблюдали в здоровых. Они использовали эти различия для развития математического алгоритма, включающего физиологические данные от наставников, веса при рождении, и отрезок времени, проведенный в матке для предсказания вероятности, что недоношенный ребенок заболеет тяжелой болезнью. «Это очень простые меры», говорит Пенн. «Но, объединено с помощью современных инструментов, прибывающих из информатики, мы можем фактически понять их в способе, которым врачи обычно не делают».Вывод модели является числом между 0 и 1, который исследователи называют «PhysiScore».
Более высокий счет указывает больший риск сложностей. Например, младенец со счетом 0,8 имел бы 80%-ю возможность заболевания тяжелой болезнью.PhysiScore выиграл не только у масштаба Apgar, но также и трех моделей, полагающихся на агрессивные лабораторные испытания, бригада сообщает онлайн сегодня в Науке о Переводной Медицине. Используя PhysiScore, исследователи смогли предсказать серьезные сложности с точностью до между 91% и 98%.
Точность счета Apgar колебалась от 70% до 74%, и другие модели имели точность от 82% до 91%.Исследователи предполагают мониторы, которые могли вычислить и показать PhysiScore ребенка автоматически спустя 3 часа после рождения. Это число могло помочь врачам решить, должен ли ребенок получить более агрессивный уход или быть передан лучше оборудованной больнице». [Мониторы] уже измеряют все эти сигналы», говорит Сачи Сэрия, программист в Стэнфордском университете, приведший работу.
Таким образом, это было бы способом «использования существующих запасов для лучше использования данные, это уже собрано», говорит она.«Это – огромная трансгрессия в области», говорят Розмари Хиггинс, neonatologist в Национальном Институте Здоровья детей и Развития человека в Роквилле, Мэриленд. «Предсказание результата недоношенных младенцев является основной проблемой для врачей». Однако, она хотела бы видеть как плата за проезд модели в самых крошечных недоношенных детях — те, которые весят меньше чем 1 кг. «Это – группа действительно в самом высоком риске для главных проблем развития», говорит она.
Namasivayam Ambalavanan, neonatologist в университете Алабамы, Бирмингема, говорит, что врачи часто используют свое суждение для идентификации недоношенных детей, которые будут жить плохо. Он хотел бы видеть исследование что ямы PhysiScore против клинического суждения.Пенн говорит, что те же методы, используемые для создания PhysiScore, могли бы также работать для идентификации рискованных хирургических пациентов или взрослых, скорее всего, для страдания сложностей после сердечного приступа. «Одна из самых интересных вещей будет состоять в том, чтобы видеть, можем ли мы применить это моделирование к другим параметрам настройки», говорит она.
Эта статья идентифицировала Suchi Saria Стэнфордского университета как соавтор на исследовании. Она привела исследование.
Текст был изменен для отражения этого.