האם בינה מלאכותית תוכל לסייע לרופאים לדעת כבר בתחילת הטיפול אם ילד עם דלקת בדרכי השתן נדבק בחיידק עמיד לאנטיביוטיקה? מחקר של חוקרים מאוניברסיטת אריאל ושירותי בריאות כללית בחן מודלים של למידת מכונה שנועדו לעשות בדיוק זאת, באמצעות מידע שכבר קיים בתיקו הרפואי של הילד בעת האבחון הראשוני. המודלים נועדו להעריך את הסיכון לכך שהזיהום נגרם מחיידקים המייצרים את האנזים ESBL – מנגנון שמקנה לחיידקים עמידות לקבוצות מרכזיות של אנטיביוטיקה ועלול לחייב טיפול שונה מהמקובל. כיום, כאשר ילד מאובחן עם דלקת בדרכי השתן, הטיפול ניתן פעמים רבות עוד לפני שמתקבלת תשובת התרבית, שעשויה להימשך לפחות יומיים עד שלושה.
כ-36 אלף מקרי דלקת בדרכי השתן נבדקו
במחקר נותחו נתונים מרשומות רפואיות אלקטרוניות של שירותי בריאות כללית, שכללו כ-36 אלף אירועים של דלקות מוכחות בדרכי השתן בילדים מגיל חודש ועד גיל 18. הנתונים נאספו בין ינואר 2010 לאוגוסט 2020. החוקרים בחנו מידע שהיה זמין כבר במפגש הרפואי הראשון, ובהם גיל ומין הילד, מצב סוציו-אקונומי, מחלות רקע, האם הזיהום נרכש בקהילה או בבית החולים, שימוש קודם באנטיביוטיקה והיסטוריה של זיהומים קודמים. על בסיס הנתונים פותחו חמישה מודלים שונים של למידת מכונה שנועדו להעריך את הסבירות שמדובר בזיהום שנגרם מחיידק המייצר ESBL.
הסיכון קפץ פי 18 אצל ילדים שכבר נדבקו בעבר
אחד הממצאים הבולטים במחקר היה הקשר החזק בין זיהום קודם בחיידק עמיד לבין הסיכון להישנותו: ילדים שכבר סבלו בעבר מזיהום ESBL היו בסיכון גבוה פי 18 לסבול מזיהום מסוג זה באירוע נוסף. גורמים נוספים שנמצאו קשורים לסיכון היו גיל ומין הילד, מצבו הסוציו-אקונומי, המקום שבו נרכש הזיהום, שימוש קודם באנטיביוטיקה וסוג החיידק שגרם לזיהום.
המטרה: לדעת מוקדם יותר איזו אנטיביוטיקה לתת
אחד היתרונות המרכזיים של המודלים היה יכולתם הגבוהה לשלול זיהום עמיד. בכל חמשת המודלים נרשם ערך ניבוי שלילי של כ-0.98, כלומר, כאשר המודל העריך שהזיהום אינו נגרם מחיידק ESBL, ברוב המכריע של המקרים ההערכה הייתה נכונה. המשמעות האפשרית היא שמערכת המבוססת על בינה מלאכותית תוכל בעתיד לספק לרופא הערכת סיכון עוד לפני הגעת תוצאות התרבית, וכך לסייע בהחלטה האם יש צורך לשקול טיפול אנטיביוטי המותאם לחיידקים עמידים. הצורך בזיהוי מוקדם משמעותי במיוחד משום שזיהומים הנגרמים מחיידקים המייצרים ESBL נקשרו לשיעורים גבוהים יותר של תחלואה, אשפוזים ממושכים ואף אשפוז ביחידות לטיפול נמרץ.
עדיין לא תחליף לרופא
לצד התוצאות המעודדות, החוקרים מדגישים כי מדובר בשלב מחקרי. המודלים אינם מיועדים להחליף את שיקול דעתו של הרופא, המתבסס גם על מצבו הקליני של הילד, הבדיקה הגופנית ותוצאות בדיקות המעבדה. לדברי החוקרים, נדרשים מחקרים נוספים כדי לשפר את ביצועי המודלים, לאמת אותם באוכלוסיות נוספות ובעיקר לבחון האם השימוש בהם בעולם האמיתי אכן משפר את תוצאות הטיפול. המחקר מצביע על פוטנציאל נוסף לשילוב בינה מלאכותית ברפואה: שימוש במידע שכבר נמצא בתיק הרפואי כדי לסייע בקבלת החלטות מהירה ומדויקת יותר, דווקא בתקופה שבה העמידות לאנטיביוטיקה הופכת לאחד האתגרים המרכזיים של מערכות הבריאות בעולם.
