חוקרים מבית הספר לרפואה של אוניברסיטת מרילנד פיתחו יישום חדש ויעיל ביותר של כלי בינה מלאכותית (AI) לסריקה במהירות בתווים ברשומות רפואיות אלקטרוניות ולזהות חולים בסיכון גבוה שאולי נדבקו בשפעת העופות H5N1 או "שפעת ציפורים", על פי ממצאים חדשים שפורסמו בכתב העת Journal מחלות זיהומיות קליניות.
צוות המחקר ניתח במודל שפה גדולה של AI (LLM), ניתח 13,494 ביקורים באזורים רפואיים באוניברסיטת מרילנד (UMMS) מחלקות חירום מבית חולים מחולים בוגרים באזורים עירוניים, פרבריים, ובכפרי בשנת 2024. חולים אלה חלו במחלה נשימה חריפה (כגון, חום, חום, חום) או דלקתיות-דלקתיות חריפות (כגון שיעוש, חום). המטרה הייתה להעריך עד כמה ה- AI הגנאי יכול למצוא חולים בסיכון גבוה שאולי התעלמו ממנו בזמן הטיפול הראשוני.
בסריקת כל הערות מחלקת החירום, הדגם סימן 76 מכיוון שהם הזכירו חשיפה בסיכון גבוה לשפעת ציפורים, כמו עבודה כקצב או בחווה עם בעלי חיים, כמו תרנגולות או פרות. בדרך כלל, חשיפות אלה הוזכרו אגב-לדוגמה, ותיעדו את עיסוקו של המטופל כקצב או עובד חקלאי-ולא בגלל חשד קליני לשפעת הציפורים.
לאחר סקירה קצרה של צוות המחקר, אושרו 14 חולים חלו לאחרונה חשיפה רלוונטית לבעלי חיים הידועים כמי שנושאים H5N1, כולל עופות, ציפורי בר ובעלי חיים. חולים אלה לא נבדקו באופן ספציפי עבור H5N1, ולכן לא אושרו זיהומי הציפורים-FLU הפוטנציאליים שלהם, אך המודל פעל למציאת מקרי "מחט במערת שחת" בקרב אלפי חולים שטופלו בשפעת עונתית ומחלות נשימה שגרתיות אחרות.
"מחקר זה מראה כיצד AI גנוצרי יכול למלא פער קריטי בתשתית הבריאות הציבורית שלנו על ידי איתור חולים בסיכון גבוה שאחרת לא יתייחסו אליו", אמר המחקר המתאים לסופרת קתרין א. גודמן, PHD, ג'יי.די, פרופסור לאפידמיולוגיה ובריאות הציבור באוניברסיטת UMSOM וחבר סגל של אוניברסיטת מרילנד עבור מחשוב בריאות). "כאשר H5N1 ממשיך להסתובב בבעלי החיים בארה"ב, הסכנה הגדולה ביותר שלנו בפריסה ארצית היא שאנחנו לא יודעים מה אנחנו לא יודעים. מכיוון שאיננו עוקבים אחר כמה חולים סימפטומטיים סובלים משפעת ציפורים פוטנציאלית, וכמה מאותם מטופלים נבדקים, זיהומים יכולים להתגלות."
מאז תחילת 2024, H5N1 הדביק יותר מ -1,075 עדרי חלב על פני 17 מדינות, ומעל 175 מיליון עופות ועופות בר בדקו חיוביים בתקופת התפרצות זו. מקרים אנושיים שזוהו נותרו נדירים, עם 70 זיהומים מאושרים ורק הרוגים אחד בארה"ב עד אמצע 2015, על פי המרכז לבקרת מחלות ומניעה (CDC). עם זאת, ככל הנראה ישנם הרבה יותר זיהומים שלא התגלו בגלל היעדר בדיקות נרחבות. בנוסף, זנים חדשים עשויים להתעורר המאפשרים התפשטות מוטסת אנושית-אנושית, מה שיוביל לריפוי במקרים ולמגפה פוטנציאלית.
סקירת ה- AI נדרשה רק 26 דקות של זמן אנושי ועלות רק 3 סנט לכל תו מטופל, והדגימה מדרגיות ויעילות גבוהה. לשיטה זו יש פוטנציאל ליצור רשת לאומית של אתרי זקיף קליניים למעקב אחר מחלות זיהומיות מתעוררות כדי לעזור לנו לפקח טוב יותר על מגפות שהופיעו לאחרונה. "
אנתוני האריס, MD, MPH, מחבר משותף למחקר, פרופסור ויו"ר משחק אפידמיולוגיה ובריאות הציבור ב- UMSOM
ה- LLM (GPT-4 טורבו) הדגים ביצועים חזקים בזיהוי אזכורים של חשיפה לבעלי חיים, עם ערך חיזוי חיובי של 90% וערך חיזוי שלילי של 98% כאשר הוערך על מדגם של 10,000 ביקורי מחלקת חירום היסטוריים בין התאריכים 2022-2023, לפני ששפעת הציפורים הופצה בחייה בארה"ב. עם זאת, המודל היה שמרני בעת זיהוי חשיפות הרלוונטיות באופן ספציפי לשפעת העופות-לפעמים מסמנת חולים במגע של בעלי חיים בסיכון נמוך, כמו חשיפה לכלבים-מינון הצורך בבדיקה אנושית של מקרים מסומנים כלשהם.
ככל שהסיכון לזיהומים המועברים על ידי בעלי חיים גדל, החוקרים מציעים כי ניתן להשתמש במודלים בשפה גדולה גם באופן פרוספקטיבי כדי להתריע לספקי שירותי הבריאות בזמן אמת. זה יכול לגרום להם להיות ערניים יותר לגבי השאלה לגבי חשיפה פוטנציאלית לבעלי חיים נגועים, בדיקות ממוקדות ושליטה על זיהומים על ידי בידוד חולים. ה- CDC מסתמך כיום על דיווח מעבדה המנדט לעקוב אחר שפעת העופות אך חסר מערכות כדי להעריך אם הקלינאים שואלים או מתעדים חשיפות רלוונטיות בחולים סימפטומטיים.
החוקרים מקווים לבחון הבא את מודל השפה הגדולה למעקב ופריסה פרוספקטיבית ברשומת הבריאות האלקטרונית, לזיהוי מהיר יותר בזמן אמת של חולים בסיכון גבוה. כאשר עונת נגיף הנשימה מתחדשת בסתיו, יש דרך מהירה ומדויקת לזהות אותם חולים הזקוקים לבדיקה מיוחדת לשפעת ציפורים, או בידוד זהירות תוך קבלת טיפול, יהיו קריטיים במיוחד.
"אנו נמצאים בחזית המהפכה המשבשת אך המבטיחה להפליא סביב נתונים גדולים ובינה מלאכותית", אמר דין UMSOM מארק ט. גלדווין, ד"ר, שהוא גם סגן הנשיא לענייני רפואה, אוניברסיטת מרילנד, בולטימור (UMB), וג'ון ז 'ואקיקו ק. באוורס, הבחינו בפרופסור. "לחוקרי המהנדסים והרופאים העובדים במכון למחשוב בריאות יש גישה מאובטחת לרישומים רפואיים משני מיליון החולים שאנו משרתים ברחבי מרילנד, וכפי שממחיש מחקר זה, יכולים להשתמש ב- AI וב- Big Data כדי לזהות אותות מוקדמים של מחלות זיהומיות מתעוררות כמו שפעת ציפורים כדי לאפשר לנו לנקוט בפעולה במוקדם לבחון מחלות אלה ולהמנע מהפצתן."
מחברים משותפים אחרים של סגל UMSOM על העיתון כוללים את לורנס ס. מגדר, דוקטורט, פרופסור לאפידמיולוגיה ובריאות הציבור באומסום, ג'ונתן ד. בגדאדי, דוקטורט, ד"ר, פרופסור חבר לאפידמיולוגיה ובריאות הציבור באוניברסיטת UMSOM, שנמצא גם הוא בפקולטי ב- UM-IHC, ו- DANIEL, MS, MD, MD.
המחקר לא היה אפשרי ללא תרומותיו של מכון מחשוב הבריאות UM, שהוקם לפני שנתיים בצפון בת'סדה, מרילנד כשיתוף פעולה בין אוניברסיטת מרילנד, קולג 'פארק, אוניברסיטת מרילנד, בולטימור ומערכת הרפואה של אוניברסיטת מרילנד. המכון ממזג את המומחיות החישובית, המומחיות הקלינית, החדשנות הביו -רפואית, נתוני הבריאות והמשאבים האקדמיים של שלושת המוסדות.
"כמערכת בריאות אקדמית, יש לנו אחריות להתכונן לריפוי המחר תוך כדי הטיפול בימינו, וכבר מזמן היינו מנהיגים לאומיים בתחום המניע נתונים וטיפול רפואי וטיפול בחולים", אמר מוהן סונטה, MD, MBA, נשיא ומנכ"ל המערכת הרפואית של אוניברסיטת מרילנד. "אנו מכירים בכך שערך הנתונים ברחבי המערכת שלנו מייצג את המגוון של הקהילות שאנו זוכים לשרת."
המימון למחקר הוענק על ידי הסוכנות הפדרלית למחקר ואיכות בריאות. עלויות מחשוב ואחסון נתונים עבור ניתוחי LLM נתמכו על ידי מכון UM למחשוב בריאות.
