Γενικά όσο περισσότερο ένας νεφρός φαίνεται διεσταλμένος, τόσο πιο πιθανή είναι η παρουσία κάποιων υποκείμενων ανατομικών ανωμαλιών.
Η υδρονέφρωση είναι μια κοινή συγγενής ανωμαλία που εντοπίζεται όλο και περισσότερο κατά τον προγεννητικό υπερηχογράφημα. Αν και το υπερηχογράφημα είναι επίσης το τεστ πρώτης γραμμής για τον έλεγχο της υδρονέφρωσης σε βρέφη, είναι ανεπαρκές στον προσδιορισμό της διατατικής κυστεοουρητηρικής παλινδρόμησης (VUR), μιας αιτίας της υδρονέφρωσης. Ένα κυστεοουρηθρόγραμμα ούρησης (VCUG) μπορεί να χαρακτηρίσει καλύτερα το VUR αλλά είναι πιο επεμβατικό και πιο δαπανηρό.
Τι θα γινόταν όμως αν οι ουρολόγοι μπορούσαν να βασιστούν σε ορισμένα ευρήματα υπερήχων για να προβλέψουν ποιοι ασθενείς είναι πιο πιθανό να έχουν VUR – και θα ωφελούνταν από περαιτέρω έλεγχο με VCUG; Αυτός είναι ο στόχος ενός νέου μοντέλου μηχανικής μάθησης που αναπτύχθηκε από τον ουρολόγο Hsin-Hsiao (Scott) Wang, MD, διευθυντή του Προγράμματος Ανάλυσης Υπολογιστικής Υγείας για τα Παιδιά της Βοστώνης, και τους συναδέλφους του. Το μοντέλο πιστεύεται ότι είναι το πρώτο του είδους του για την ακριβή πρόβλεψη του κινδύνου διαστολής VUR με βάση τα χαρακτηριστικά του πρώιμου μεταγεννητικού υπερήχου.
Ισχυρή απόδοση στην πρόβλεψη VUR
Από το 2014, οι ουρολόγοι βασίζονται στο τυποποιημένο σύστημα ταξινόμησης διαστολής του ουροποιητικού συστήματος (UTD) για την αξιολόγηση της υδρονέφρωσης στα βρέφη. Το σύστημα χρησιμοποιεί έξι υπερηχογραφικά ευρήματα πριν και μετά τον τοκετό για να ταξινομήσει την πιθανότητα σοβαρότητας της UTD. Γενικά, όσο περισσότερο ένας νεφρός φαίνεται διεσταλμένος, τόσο πιο πιθανή είναι η παρουσία κάποιων υποκείμενων ανατομικών ανωμαλιών. Ωστόσο, αυτή η προσέγγιση δεν μπορεί να παράσχει συγκεκριμένη διάγνωση ή να προβλέψει τα αποτελέσματα.
Ο Wang και οι συνεργάτες του έχουν ήδη αναπτύξει μοντέλα μηχανικής μάθησης για να προβλέψουν ποια παιδιά με υποτροπιάζουσες λοιμώξεις του ουροποιητικού συστήματος – σύμπτωμα VUR – θα μπορούσαν να αξίζουν περαιτέρω δοκιμές. Για μια νέα μελέτη, που δημοσιεύτηκε στο Journal of Pediatric Urology, προσπάθησαν να αναπτύξουν ένα μοντέλο που θα μπορούσε να προβλέψει αξιόπιστα τη διαστολή VUR με βάση το μεταγεννητικό υπερηχογράφημα και να προσδιορίσει ποια βρέφη θα ωφεληθούν από το VCUG.
Για να γίνει αυτό, η ομάδα εξέτασε δεδομένα από 280 βρέφη που είχαν υποβληθεί πρώτα σε υπερηχογράφημα για υδρονέφρωση και στη συνέχεια σε VCUG για να επιβεβαιώσει τη διαστολή VUR στο Boston Children’s. Με βάση αυτές τις πληροφορίες, ανέπτυξαν ένα μοντέλο μηχανικής μάθησης που χρησιμοποιεί διακριτές λεπτομέρειες ασθενών και απεικόνισης (όπως δημογραφικά στοιχεία και χαρακτηριστικά ταξινόμησης UTD) για να προβλέψουν τον κίνδυνο διαστολής VUR μεταξύ βρεφών με υδρονέφρωση. Όταν τέθηκε σε δοκιμή, η ικανότητα του μοντέλου να προβλέψει το VUR ήταν ισχυρή, με “περιοχή κάτω από την καμπύλη” 0,81 από 1,0.
Πιο στιβαρό μοντέλο στα σκαριά
Επιπλέον, το μοντέλο είναι διαισθητικό και ερμηνεύσιμο για κλινική χρήση, λέει ο Wang. «Το μοντέλο μπορεί εύκολα να αναθεωρηθεί και να χρησιμοποιηθεί σε κλινικές συνθήκες ρουτίνας κατά την παροχή συμβουλών σε ασθενείς για τα επόμενα βήματα διαχείρισης της υδρονέφρωσης», εξηγεί.
Η ομάδα αυτή τη στιγμή εργάζεται σε ένα ακόμη πιο ισχυρό μοντέλο, αντλώντας από περίπου 15.000 αρχεία ασθενών για να δημιουργήσει έναν αλγόριθμο που ελπίζουμε ότι θα προβλέψει το μέλλον κάθε ασθενή όσον αφορά την υδρονέφρωση: Θα επιλυθεί από μόνο του ή θα αναπτύξει το παιδί ανατομία που πρέπει να γίνει διορθώθηκε; «Ελπίζουμε να φτιάξουμε μια κρυστάλλινη μπάλα για ουρολόγους, ώστε τα παιδιά να μην υποβάλλονται σε περιττές εξετάσεις», λέει ο Wang.
Διαβάστε όλες τις τελευταίες Ειδήσεις για την υγεία από την Ελλάδα και τον ΚόσμοΑκολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις
Ακολουθήστε το healthweb.gr στο κανάλι μας στο YouTube
