אפליקציית סלולר חדשה שפותחה על ידי רופאים-מדענים ב-UPMC ואוניברסיטת פיטסבורג, המשתמשת בבינה מלאכותית (AI) כדי לאבחן במדויק דלקות אוזניים, או דלקת אוזן תיכונה חריפה (AOM), עשויה לסייע בהפחתת השימוש המיותר באנטיביוטיקה בילדים צעירים. מחקר חדש שפורסם היום ב JAMA רפואת ילדים.
AOM הוא אחד מזיהומי הילדות הנפוצים ביותר שעבורם רושמים אנטיביוטיקה, אך קשה להבחין במחלות אוזניים אחרות ללא הכשרה אינטנסיבית. כלי הבינה המלאכותית החדש, המבצע אבחנה על ידי הערכת סרטון קצר של תוף האוזן שנלכד על ידי אוטוסקופ המחובר למצלמה סלולרית, מציע פתרון פשוט ויעיל שיכול להיות מדויק יותר מאשר רופאים מיומנים.
דלקת אוזן תיכונה חריפה מאובחנת לעתים קרובות בצורה שגויה. תת אבחון מביא לטיפול לא הולם ואבחון יתר מביא לטיפול אנטיביוטי מיותר, שעלול לפגוע ביעילות האנטיביוטיקה הקיימת כיום. הכלי שלנו עוזר לקבל את האבחנה הנכונה ולהנחות את הטיפול הנכון".
אלחנדרו הוברמן, MD, סופר בכיר, פרופסור לרפואת ילדים ומנהל החטיבה לרפואת ילדים אקדמית כללית בבית הספר לרפואה של פיט ונשיא UPMC Children's Community Pediatrics
לדברי הוברמן, כ-70% מהילדים סובלים מדלקת אוזניים לפני יום הולדתם הראשון. למרות שמצב זה נפוץ, אבחון מדויק של AOM מצריך עין מאומנת כדי לזהות ממצאים חזותיים עדינים שנרכשו ממבט קצר של האוזן התוף על תינוק מתפתל. AOM מבולבל לעתים קרובות עם דלקת אוזן תיכונה עם תפליט, או נוזל מאחורי האוזן, מצב שבדרך כלל אינו מערב חיידקים ואינו נהנה מטיפול אנטי-מיקרוביאלי.
כדי לפתח כלי מעשי לשיפור הדיוק באבחון של AOM, הוברמן והצוות שלו התחילו בבניית וביאור ספריית הדרכה של 1,151 סרטונים של הקרום התוף מ-635 ילדים שביקרו במשרדי חוץ של UPMC לילדים בין 2018 ל-2023. שני מומחים מאומנים עם ניסיון רב במחקר AOM סקר את הסרטונים ועשה אבחנה של AOM או לא AOM.
"תוף האוזן, או קרום התוף, הוא פיסת רקמה דקה ושטוחה הנמתחת על פני תעלת האוזן", אמר הוברמן. "ב-AOM, תוף האוזן בולט כמו בייגל, ומותיר אזור מרכזי של דיכאון הדומה לחור בייגל. לעומת זאת, בילדים עם דלקת אוזן תיכונה עם תפליט, לא קיימת בליטה של הקרום התוף".
החוקרים השתמשו ב-921 סרטונים מספריית ההדרכה כדי ללמד שני מודלים שונים של בינה מלאכותית לזהות AOM על ידי התבוננות בתכונות של הקרום התוף, כולל צורה, מיקום, צבע ושקיפות. לאחר מכן הם השתמשו ב-230 הסרטונים הנותרים כדי לבדוק את ביצועי הדגמים.
שני המודלים היו מדויקים ביותר, ויצרו ערכי רגישות וסגוליות של יותר מ-93%, כלומר היו להם שיעורים נמוכים של שליליות שגויות וחיוביות שגויות. לדברי הוברמן, מחקרים קודמים של קלינאים דיווחו על דיוק אבחון של AOM שנע בין 30% ל-84%, תלוי בסוג המטפל, רמת ההכשרה וגיל הילדים הנבדקים.
"ממצאים אלה מצביעים על כך שהכלי שלנו מדויק יותר מרופאים רבים", אמר הוברמן. "זה יכול להיות מחליף משחק במסגרות בריאות ראשוניות כדי לתמוך בקלינאים באבחון קפדני של AOM והנחיית החלטות טיפול."
"יתרון נוסף של הכלי שלנו הוא שניתן לאחסן את הסרטונים שאנו מצלמים בתיעוד הרפואי של המטופל ולשתף אותם עם ספקים אחרים", אמר הוברמן. "אנחנו יכולים גם להראות להורים ולחניכים -; סטודנטים לרפואה ותושבים -; מה אנחנו רואים ולהסביר מדוע אנו מאבחנים או לא מבצעים אבחנה של דלקת אוזניים. זה חשוב ככלי הוראה וכדי להרגיע את ההורים שילדם מקבל טיפול מתאים".
הוברמן מקווה שהטכנולוגיה שלהם תוכל להיות מיושמת בקרוב ברחבי משרדי ספקי שירותי בריאות כדי לשפר את האבחנה המדויקת של AOM ולתמוך בהחלטות הטיפול.
מחברים נוספים במחקר היו Nader Shaikh, MD, שאנון קונווי, Timothy Shope, MD, Mary Ann Haralam, CRNP, Catherine Campese, CRNP, ומת'יו לי, כולם מ-UPMC ואוניברסיטת פיטסבורג; Jelena Kovačević, Ph.D., מאוניברסיטת ניו יורק; פיליפה קונדסה, Ph.D., ממרכז בוש לבינה מלאכותית; ותומס לרסון, M.Sc, ו-Zafer Cavdar, שניהם מ-Dcipher Analytics.
מחקר זה נתמך על ידי המחלקה לרפואת ילדים בבית הספר לרפואה של אוניברסיטת פיטסבורג.
