Multimodální parametr buněk periferních krvinek založený na umělé inteligenci (MMPBC) předpovídá riziko přežití u kriticky nemocných dětí

Podle definice Dětského fondu OSN (UNICEF) jsou děti jednotlivci ve věku od 0 do 18 let. Kriticky nemocné děti jsou ty, které jsou přijaty na PICU nebo NICU a trpí vážnými nemocemi, které vyžadují zvláštní léčbu. Tato onemocnění mohou ohrozit život dítěte. Studie uvádějí, že mezinárodní míra úmrtnosti PICU v rozvinutých zemích je 2 % až 3 %; v posledních letech je nemocniční úmrtnost na PICU v Číně 4,7 % až 6,8 %. Hodnocení rizika přežití kriticky nemocných dětí bylo vždy středem pozornosti. Tradiční metody hodnocení zahrnují fyziologické ukazatele, skórovací nástroje, závažnost onemocnění a dobu diagnostiky, které mohou lékařům do určité míry pomoci při rozhodování, ale jejich prediktivní schopnost je omezená a je obtížné komplexně odrážet fyziologický stav dítěte a progresi onemocnění.

S rozvojem technologie a sociálním pokrokem se analýza krevních buněk vyvíjí směrem k vysoce integrované platformě technologií pro analýzu více buněk, které poskytují přesnější výsledky, komplexnější parametry a rychlejší detekci. Aplikace buněčné analýzy se stále více zaměřují na identifikaci a alarmové schopnosti abnormálních vzorků, včetně retikulocytů, červených krvinek s jádry a nezralých granulocytů. V roce 2009 Mindray Group ve spolupráci s National Key Laboratory of Fine Chemicals vyvinula nové fluorescenční barvivo cílené na nukleové kyseliny, které splňuje požadavky analýzy krevních buněk (patentované fluorescenční barvivo získalo druhou cenu National Science and Technology Progress). Tato průlomová technologie překonala mezinárodní bariéry duševního vlastnictví a vyvinula první špičkový analyzátor krevních buněk, BC-6800, s funkcemi pro detekci červených krvinek s jádry a retikulocytů. Zařízení bylo úspěšně propagováno ve více než 90 % terciárních nemocnic v Číně. Při zjišťování rutinních poměrů krevních buněk tento analyzátor krevních buněk ve skutečnosti generuje velké množství multimodálních dat o charakteristikách distribuce buněk, včetně šířky distribuce buněk a abnormálních poměrů buněk. Tato multimodální data však dosud nebyla plně využita v klinické praxi.

Předběžný průzkum multimodálních buněčných dat prokázal jejich obrovskou hodnotu při predikci, diagnostice a prognóze infekčních onemocnění v malých populacích. Cílem této studie je retrospektivně shromáždit klinická data a multimodální data krevních buněk od dětí hospitalizovaných na NICU a PICU v několika centrech po celé Číně, vytvořit národní multicentrickou multimodální databázi krevních buněk s ne méně než 100 000 lidmi a použít technologie umělé inteligence k dosažení přesné, opakovatelné a nezaujaté identifikace a klasifikace na základě rozdílů v buněčné morfologii a strukturální distribuci. V kohortě objevů bude zkonstruován vysoce výkonný predikční model, který bude předpovídat riziko přežití kriticky nemocných dětí; výkonnost modelu bude ověřena ve validační kohortě, aby se vyhodnotila jeho použitelnost v čínské populaci kriticky nemocných dětí. Tato studie poskytne solidní důkazy pro medicínu založenou na důkazech založenou na multicentrických kohortových studiích a nabídne potenciální nové inspekční technologie pro predikci rizika přežití kriticky nemocných dětí, poskytne lékařům pomocnou podporu při rozhodování a zlepší míru přežití kriticky nemocných dětí, a podpora rozvoje přesné medicíny.