Прецизионное парентеральное питание в отделениях интенсивной терапии новорождённых под управлением искусственного интеллекта

Каждый десятый новорождённый поступает в отделение интенсивной терапии новорождённых, что подчёркивает необходимость точных лечебных вмешательств. Однако возможности применения искусственного интеллекта (ИИ) для поддержки лечения новорождённых изучены недостаточно. Полное парентеральное питание (ППП) — жизнеспасающий метод лечения недоношенных новорождённых; однако назначение терапии в её современном виде субъективно, чревато ошибками и требует значительных ресурсов. Мы разработали TPN2.0 — подход на основе данных, оптимизирующий и стандартизирующий ППП с использованием информации, регулярно вносимой в электронные медицинские карты. Для обучения TPN2.0 в Стэнфорде собрали данные о составе ППП за 10 лет (79 790 назначений для 5 913 пациентов). Помимо внутренней валидации, модель прошла внешнюю валидацию на когорте из другой больницы (63 273 назначения для 3 417 пациентов). Алгоритм выявил 15 схем ППП, позволяющих реализовать прецизионный подход к лечению (коэффициент корреляции Пирсона R = 0,94 по сравнению с экспертами), повысить безопасность и потенциально снизить затраты. При слепой оценке в исследовании (n = 192) врачи оценили TPN2.0 выше действующей оптимальной практики. У пациентов с выраженным расхождением между фактическими назначениями и рекомендациями TPN2.0 стандартные назначения были связаны с более высокой частотой осложнений (например, отношение шансов развития некротизирующего энтероколита составило 3,33; p = 0,0007), тогда как рекомендации TPN2.0 — с меньшим риском. Наконец, мы показали, что TPN2.0 на основе трансформерной архитектуры позволяет формировать рекомендации, соответствующие клиническим рекомендациям, при участии врача, обеспечивая взаимодействие медицинской команды и ИИ.