Az orvostudomány az egyik legjobb példa arra, hogy mekkora lehetőségek rejtőznek a mesterséges intelligenciában, elég csak a súlyos gerincsérültek járását visszaadó technológiára, vagy a víruskutatásban és a fehérje struktúra feltérképezésében rejlő lehetőségekre gondolni.
Most pedig egy újabb jelentős áttörésről számolhatunk be, ezúttal a világ egyik legveszélyesebb betegsége, a szepszis, vagyis vérmérgezés kapcsán. A szepszist maga a szervezet idézi elő valamilyen kóros behatásra, többnyire fertőzésre adott válaszként, gyulladásos és véralvadásos folyamatokat aktiválva a testben, ami súlyos esetben a beteg halálához is vezethet.
Kutatások szerint világszerte minden ötödik haláleset ehhez a kórhoz köthető, a megelőzésben pedig létfontosságú a tünetek (pl. megváltozott légzés és pulzusszám, később zavartság, aluszékonyság) mielőbbi felismerése, így az antibiotikumos beavatkozással hatékonyan megfékezhető a beteg állapotának súlyosbodása.
A jó hír, hogy a kanadai University of British Columbia (UBC) kutatói 348 sürgősségi ellátásra szoruló alanyt vizsgálva, mesterséges intelligencia és gépi tanulás bevetésével képesek voltak meghatározni azokat a génkészleteket, amelyek 97%-os pontossággal jelzik a súlyos vérmérgezést. Az öt altípust elkülönítő kutatás eredménye alapján pedig célzott, biomarker-alapú tesztek készíthetők, amikkel időben felfedezhető a betegség.
Ez hatalmas segítséget jelent, a hagyományos módszerekkel ugyanis 24-48 órába is beletelik, mire az orvosok felállítják a diagnózist, miközben a UBC tanulmánya szerint a súlyos szepszis már az első találkozáskor is fennáll, azaz haladéktalanul meg kellene kezdeni a kezelést. Különösen igaz ez az egyik altípus esetében, amelynél úgy találták, hogy 46%-os halálozási arányt produkált. Az új módszer a COVID-gyógyításban is áttörést hozhat, a MedicalXPressnek nyilatkozó szakember szerint ugyanis a koronavírus legtöbb áldozata végső soron szintén a vérmérgezésbe hal bele.
