AI-basert multimodal parameter for perifere blodceller (MMPBC) forutsier overlevelsesrisiko hos kritisk syke barn

I henhold til definisjonen til FNs barnefond (UNICEF) er barn individer mellom 0 og 18 år. Kritisk syke barn er de som er innlagt på PICU eller NICU og lider av alvorlige sykdommer som krever spesiell behandling. Disse sykdommene kan sette barnets liv i fare. Studier har rapportert at den internasjonale PICU-dødeligheten i utviklede land er 2 % til 3 %; de siste årene er dødeligheten på sykehus for PICU i Kina 4,7 % til 6,8 %. Vurderingen av overlevelsesrisikoen til kritisk syke barn har alltid vært et fokus for oppmerksomhet. Tradisjonelle vurderingsmetoder inkluderer fysiologiske indikatorer, skåringsverktøy, alvorlighetsgrad av sykdom og diagnosetid, som kan hjelpe leger til å ta avgjørelser til en viss grad, men deres prediksjonsevne er begrenset og vanskelig å gjenspeile barnets fysiologiske status og sykdomsprogresjon.

Med utviklingen av teknologi og sosial fremgang, utvikler blodcelleanalyse seg mot en svært integrert plattform av multicelleanalyseteknologier som gir mer nøyaktige resultater, mer omfattende parametere og raskere deteksjon. Celleanalyseapplikasjoner er i økende grad fokusert på identifiserings- og alarmfunksjonene til unormale prøver, inkludert retikulocytter, røde blodlegemer med kjerne og umodne granulocytter. I 2009 utviklet Mindray Group, i samarbeid med National Key Laboratory of Fine Chemicals, et nytt nukleinsyremålrettet fluorescerende fargestoff som oppfyller kravene til blodcelleanalyse (det patenterte fluorescerende fargestoffet vant National Science and Technology Progress Second Prize). Denne banebrytende teknologien overvant internasjonale åndsverksbarrierer og utviklet den første avanserte blodcelleanalysatoren, BC-6800, med funksjoner for å oppdage røde blodceller og retikulocytter med kjerne. Enheten har blitt markedsført til over 90 % av tertiære sykehus i Kina. Mens den oppdager rutinemessige blodcelleforhold, genererer denne blodcelleanalysatoren faktisk en stor mengde multimodale data om cellefordelingskarakteristikker, inkludert cellefordelingsbredde og unormale celleforhold. Men så langt har disse multimodale dataene ikke blitt utnyttet fullt ut i klinisk praksis.

Foreløpig utforskning av multimodale celledata har vist sin enorme verdi i å forutsi, diagnostisere og prognostisere smittsomme sykdommer i små populasjoner. Denne studien har som mål å retrospektivt samle kliniske data og blodcelle multimodale data fra NICU og PICU sykehusinnlagte barn i flere sentre over hele Kina, for å etablere en nasjonal multi-senter blodcelle multimodal database med ikke mindre enn 100 000 mennesker, og å bruke kunstig intelligens-teknologi for å oppnå nøyaktig, repeterbar og objektiv identifikasjon og klassifisering basert på forskjeller i cellemorfologi og strukturell fordeling. En høyytelses prediksjonsmodell vil bli konstruert i oppdagelseskohorten for å forutsi overlevelsesrisikoen for kritisk syke barn; ytelsen til modellen vil bli validert i valideringskohorten for å evaluere dens anvendelighet i den kinesiske befolkningen av kritisk syke barn. Denne studien vil gi solid bevis for evidensbasert medisin basert på kohortstudier med flere senter og tilby potensielle nye inspeksjonsteknologier for å forutsi overlevelsesrisikoen til kritisk syke barn, gi hjelpebeslutningsstøtte for klinikere, forbedre overlevelsesraten for kritisk syke barn, og fremme utviklingen av presisjonsmedisin.