ניתן לאמן רשתות עצביות מלאכותיות (ANNs) לאיתור מחלות ריאה אצל פגים על ידי ניתוח דפוסי הנשימה שלהם בזמן שהם ישנים, על פי מחקר שהוצג בקונגרס האירופאי לנשימה (ERS) בוינה, אוסטריה.
המחקר הוצג על ידי אדגר דלגדו-אקרט, פרופסור משנה במחלקה להנדסה ביו-רפואית באוניברסיטת באזל, ומנהיג קבוצת מחקר בבית החולים האוניברסיטאי לילדים, שוויץ.
דיספלזיה ברונכו-ריאה (BPD) היא בעיית נשימה שעלולה להשפיע על פגים. כאשר הריאות של יילוד אינן מפותחות בלידה, הם זקוקים לרוב לתמיכה ממכשיר הנשמה או טיפול בחמצן – טיפול שעלול למתוח ולהדליק את הריאות שלהם, ולגרום ל-BPD.
אבל זיהוי BPD קשה. בדיקות תפקודי ריאות דורשות בדרך כלל מבוגר לפוצץ על פי בקשה – משהו שתינוקות לא יכולים לעשות – ולכן הטכניקות הנוכחיות דורשות ציוד מתוחכם למדידת מאפייני אוורור הריאות של תינוק. כתוצאה מכך, BPD היא אחת ממחלות בודדות בלבד אשר מאובחנת בדרך כלל על ידי נוכחות של אחד הגורמים העיקריים שלה, פגים ותמיכה נשימתית.
ANNs הם מודלים מתמטיים המשמשים לסיווג ולניבוי. על מנת לבצע תחזיות מדויקות, ANN צריך קודם כל להיות מאומן עם כמות גדולה של נתונים, מה שמציב בעיה בכל הנוגע ל-BPD.
עד לאחרונה, הצורך הזה בכמויות גדולות של נתונים הפריע למאמצים ליצור מודלים מדויקים למחלות ריאות אצל תינוקות, מכיוון שכל כך קשה להעריך את תפקוד הריאות שלהם.
אבל יש אלטרנטיבה. אנו יכולים למדוד את הנשימה של תינוק בזמן שהוא ישן. כל מה שצריך הוא מסיכת פנים רכה, עם חיישן שיכול למדוד את זרימת האוויר ונפח הנכנסים ויוצאים מהאף של התינוק. ציוד זה זול וזמין בכל מתקן קליני.
מדידות כאלה של מספר נשימות רצופות – מה שאנו מכנים נשימה גאות ושפל – יכולות להניב כמויות גדולות של נתוני זרימה עוקבים באיכות טובה. רצינו לנסות ולהשתמש בנתונים האלה כדי לאמן ANN לזהות BPD.
אדגר דלגאדו-אקרט, פרופסור משנה במחלקה להנדסה ביו-רפואית, אוניברסיטת באזל
הצוות של פרופסור Delgado-Eckert חקר קבוצה של 139 פגים ו-190 פגים שהוערכו ל-BPD, תיעד את נשימתם במשך עשר דקות בזמן שהם ישנים. עבור כל תינוק, נעשה שימוש ב-100 נשימות סדירות רצופות, שנבדקו בקפידה כדי למנוע אנחות או חפצים אחרים, כדי לאמן, לאמת ולבדוק סוג של ANN הנקרא מודל זיכרון קצר-טווח ארוך (LSTM), אשר יעיל במיוחד בסיווג רציף. נתונים כגון נשימות גאות ושפל.
הצוות השתמש ב-60% מהנתונים כדי ללמד את הרשת כיצד לזהות BPD, 20% כדי לאמת את המודל (כדי לוודא שהוא לא מקובע מדי בנתוני האימון), ולאחר מכן הזין את 20% הנותרים מהנתונים ל- מודל, בלתי נראה, כדי לראות אם הוא יכול לזהות נכון את התינוקות עם BPD.
מודל LSTM הצליח לסווג סדרה של ערכי זרימה במערך נתוני הבדיקה הבלתי נראים ככזה ששייך למטופל שאובחן עם BPD או לא עם דיוק של 96%.
פרופסור דלגאדו-אקרט הוסיפה: "המחקר שלנו מספק, לראשונה, דרך מקיפה לנתח את הנשימה של תינוקות, ומאפשר לנו לזהות לאילו תינוקות יש BPD כבר מחודש אחד מגיל מתוקן – הגיל שהם היו אם הם נולדו בתאריך היעד שלהם – על ידי שימוש ב-ANN כדי לזהות חריגות בדפוסי הנשימה שלהם.
"הבדיקה הלא פולשנית שלנו מעיקה פחות על התינוק והוריהם, פירושה שהם יכולים לגשת לטיפול מהר יותר, ועשויה להיות רלוונטית גם לפרוגנוזה ארוכת הטווח שלהם"
הצוות מקווה כעת לחקור אם המודל יכול לשמש גם לבדיקת תינוקות רק כמה שבועות לאחר הלידה, לנתח תפקודי ריאות ולניבוי תסמינים בילדים מבוגרים יותר בגילאי בית הספר, וכדי לבדוק מצבים אחרים, כגון אסטמה.
פרופסור אנג'לה זכראסיביץ' היא יו"ר קבוצת אסטמה ואלרגיה לילדים של ERS וראש המחלקה לרפואת ילדים, קליניק אוטקרינג, ולא הייתה מעורבת במחקר. לדבריה, "בדיקת תפקוד הריאה אצל פגים באמצעות טכניקות חדשות תשפר את קבלת ההחלטות הטיפוליות. ככל שנוכל לאשר BPD מוקדם יותר בפג, כך נוכל לקבל החלטה מושכלת מהר יותר לגבי הצורה הטובה ביותר של תמיכה נשימתית לתת במהלך השבועות הראשונים לחייהם זה יכול גם לאפשר תכנון מוקדם יותר של הערכות מעקב והתערבויות פוטנציאליות, להפחית את הלחץ עבור הורים וילדיהם.
"מחקר זה מראה את הפוטנציאל העצום שיש לבינה מלאכותית בפישוט התהליך הזה. ניתן להשתמש בטכניקה זו לבדיקת מספר גדול יותר של תינוקות וניתן ליישם אותה גם על מחלות אחרות, כמו אסטמה.
"מרגש לראות כיצד כלי בינה מלאכותית כמו אלה יכולים לתמוך בשירותי הבריאות שלנו."
