Прогностический потенциал искусственного интеллекта в медицине новорожденных

Новое исследование команды Стэнфордского университета демонстрирует высокую эффективность методов искусственного интеллекта (ИИ) в прогнозировании развития осложнений у недоношенных детей. Проанализировав биохимические показатели крови, полученные вскоре после рождения, ученым удалось обнаружить специфические паттерны, способные указывать на вероятность будущих нарушений здоровья младенца.

Проблема недоношенности продолжает оставаться одной из важнейших глобальных задач современной педиатрии. Недоношенные дети подвергаются повышенному риску серьезных патологий, затрагивающих центральную нервную систему, органы зрения, дыхательную и желудочно-кишечную системы. Точное прогнозирование вероятности наступления таких состояний остается сложной задачей для клиницистов. Хотя общая тенденция свидетельствует о большей уязвимости более мелких и незрелых младенцев, индивидуальный профиль рисков существенно варьируется даже среди детей сходного гестационного возраста и массы тела.

Авторы использовали обширную базу данных, содержащую анализы крови, полученных в ходе рутинного скрининга новорожденных. Образцы содержали измерение уровней аминокислот и продуктов деградации липидов, ассоциированных с нарушениями метаболизма. Дополнительным источником информации стали медицинские записи каждого пациента, содержащие кодированные диагнозы, относящиеся к четырем основным формам патологии недоношенности: некротическому энтероколиту, ретинопатии, бронхолегочной дисплазии и внутрижелудочковому кровотечению.

Алгоритмы машинного обучения позволили выявить характерные комбинации молекулярных маркеров, соответствующих развитию конкретных осложнений. Был разработан новый показатель — индекс метаболического здоровья новорожденного (Neonatal Metabolic Health Index), состоящий из шести ключевых компонентов, способный прогнозировать развитие основных осложнений с чувствительностью более 85%.

Работа подчеркивает необходимость внедрения персонализированного подхода к диагностике и лечению недоношенных детей, основывающегося на индивидуальном биологическом профиле риска, а не только на стандартизированных показателях гестационного возраста. Такой подход обеспечит лучшее понимание механизмов формирования отдельных осложнений и повысит точность превентивных мероприятий.

Использование инструментов ИИ позволяет создать основу для персонализации лечения и принятия решений относительно дальнейшей транспортировки ребенка в специализированный центр интенсивной терапии новорожденных. Полученная информация также служит ценной основой для консультирования семей о потенциальных проблемах, облегчая процесс подготовки к возможным последствиям болезни.

Анализ биохимических параметров крови с использованием технологий искусственного интеллекта обладает значительным потенциалом для повышения качества диагностики и профилактики осложнений, вызванных преждевременностью родов. Предложенный метод способен внести существенный вклад в улучшение медицинских результатов и снижение риска отдаленных негативных последствий для здоровья недоношенных детей.

Источник: Alan Chang et al, Quantitative assessment of neonatal health using dried blood spot metabolite profiles and deep learning, Science Translational Medicine (2026). DOI: 10.1126/scitranslmed.adv4942. www.science.org/doi/10.1126/scitranslmed.adv4942