Это значительно снизило бы скорость распространения инфекции, позволив сразу же отделить пациентов, наиболее вероятно являющихся положительными, от других пациентов с аналогичными симптомами респираторных заболеваний. Это позволит защитить как пациентов, так и медицинских работников от тяжелой острой респираторной инфекции коронавируса 2 (SARS-CoV-2).
Новый коронавирус (SARS-CoV-2) распространился по всему миру с беспрецедентной скоростью, создавая тяжелую и в некоторых случаях практически неустойчивую нагрузку на системы здравоохранения. Несмотря на государственную помощь, многие поставщики медицинских услуг оказываются нуждающимися в гораздо большем количестве коек, отделений интенсивной терапии (ОИТ) и средств индивидуальной защиты (СИЗ), чем это может быть обеспечено.
Эффективное тестирование и диагностика является очевидным и необходимым требованием, но возможности тестирования ограничены количеством персонала, комплектов и имеющимся временем. В настоящее время разрабатываются многие предлагаемые решения (в том числе некоторые из них, способствующие раннему выявлению с помощью носимых технологий), однако эта потребность до сих пор полностью не удовлетворена.
Быстрый и точный диагноз для тех, кто посещает отделение неотложной помощи, может улучшить уход за пациентами COVID-19 и помочь держать больницы в курсе и готовности.
Существуют две основные категории тестов: первый тип обнаруживает наличие вируса или белка, а второй тип обнаруживает антитела, вырабатываемые иммунной системой организма в ответ на вирус. Первый тип, называемый молекулярным тестированием, использует метод, называемый тестированием полимеразной цепной реакции или ПЦР. Это точный, но трудоемкий процесс, и поэтому часто не удается идти в ногу с темпами, требуемыми в нынешней пандемии коронавируса. Второй тип испытаний является более быстрым и менее трудоемким, но все еще находится в стадии производства, что означает, что потребуется много времени, чтобы увеличить его число до уровня, требуемого в настоящее время.
В свете этого группа ученых разработала недорогой и эффективный метод предварительной классификации предполагаемых положительных результатов в стационаре скорой медицинской помощи, основанный на простых и часто выполняемых анализах крови, для сортировки тех, кто, скорее всего, будет отрицательным на вирус. Процедура основана на анализе результатов анализа крови с использованием искусственного интеллекта (ИИ). Принцип работы относительно прост: ИИ (называемый ER-CoV) принимает результаты широко доступных анализов крови, анализирует их и вычисляет вероятность того, что пациент заражен COVID-19. Это может позволить любой лаборатории с основными поставками анализа крови для тестирования людей на коронавирус и рекомендовать их для более чувствительного тестирования.
Одним из препятствий, которые им пришлось преодолеть, было то, что ER-CoV иногда путал входные данные для диагностики других респираторных заболеваний – особенно гриппа. Для борьбы с этим группа включила тест на грипп в предложенный ими тестовый конвейер.
Команда обучала разведданные на основе общедоступных данных, собранных с более чем пяти тысяч пациентов в больнице Альберта Эйнштейна, Бразилия. Они выбрали 599 образцов с наибольшим количеством обычно выполняемых тестов, таких как лейкоциты, средний объем тромбоцитов, средний объем корпускул (MCV), креатинин, эритроциты, калий, средняя концентрация корпускулярного гемоглобина (MCHC) и ширина распределения эритроцитов (RDW).
Эти пациенты были протестированы на COVID-19 с использованием RT-PCR (обратная транскрипция-полимеразная цепная реакция), метода тестирования, основанного на обнаружении генетического материала вируса SARS-CoV2. 81 пациент дал положительный результат теста.
Основываясь на этих данных, ИИ сравнивает результаты анализа крови пациентов с ER-CoV для выявления пациентов, у которых есть высокая вероятность отрицательного тестирования на коронавирус, и тех, кто является «подозрительными случаями».
Команда сообщает, что их система имеет среднюю специфичность 92,16% и отрицательную прогностическую ценность 95,29%. Они говорят, что эти результаты «полностью согласуются с нашей целью обеспечения эффективной, недорогой системы для сортировки подозреваемых пациентов в ERs.»
Тестирование ошибок показало, что почти половина из 4% случаев, когда ИИ сообщал о ложном отрицательном результате, была бы госпитализирована в любом случае, что означает, что ошибки, которые делает ИИ, включают тяжелые случаи, которые не будут упущены. Это несколько смягчает недостаток чувствительности теста.
Команда предполагает важную роль для этой простой, надежной и быстрой технологии скрининга в сортировке пациентов в текущей мировой ситуации. Возможно, самый значительный результат их системы заключается в тестировании – на данный момент у многих стран просто нет ресурсов для тестирования стольких людей, сколько им нужно. Команда прогнозирует, что они могут уменьшить количество тестов, выполняемых в отделениях неотложной помощи, примерно на 90%, с менее чем 5% вероятностью получения ложного отрицательного результата.
Второй важный фактор разработанной структуры касается изоляции. В настоящее время большинство больниц держат людей, подозреваемых в том, что COVID-19 находится в той же палате, пока не будут получены результаты тестов, что увеличивает шансы распространения вируса. Текущая модель тестирования использует гораздо меньше времени, чем обычные методы, что позволяет быстро проводить скрининг пациентов, имеющих высокие шансы на перенос вируса, и их изоляцию от тех, кто этого не делает, пока не будет выполнено чувствительное тестирование для подтверждения.
Кроме того, пациенты, выявленные как положительные на вирус по ER-CoV, могут затем получить ускоренное тестирование, повышающее эффективность их сортировки и, в конечном счете, их выздоровление.