Come parte del suo lavoro di dottorato, la docente di ingegneria JCU Stephanie Baker ha condotto uno studio pilota che ha utilizzato una rete neurale ibrida per prevedere con precisione quanto rischio affrontano i singoli bambini prematuri.

Ha detto che le complicazioni derivanti dalla nascita prematura sono la principale causa di morte nei bambini sotto i cinque anni e oltre il 50% dei decessi neonatali si verifica nei neonati pretermine.

“I tassi di natalità pretermine stanno aumentando quasi ovunque. Nelle unità di terapia intensiva neonatale, la valutazione del rischio di mortalità aiuta a prendere decisioni difficili su quali trattamenti dovrebbero essere utilizzati e se e quando i trattamenti funzionano in modo efficace”, ha affermato baker.

Ha detto che è indispensabile guidare meglio le loro cure, e ai bambini pretermine viene spesso assegnato un punteggio che indica il rischio che affrontano.

“Ma ci sono diverse limitazioni di questo sistema. La generazione del punteggio richiede misurazioni manuali complesse, ampi risultati di laboratorio e l’elenco delle caratteristiche materne e delle condizioni esistenti”.

Ha detto che l’alternativa era misurare variabili che non cambiano – come il peso alla nascita – che impedisce però il ricalcolo del rischio del bambino su base continuativa e non mostra la risposta al trattamento.

“Uno schema ideale sarebbe quello che utilizza dati demografici fondamentali e misura abitualmente i segni vitali per fornire una valutazione continua. Ciò consentirebbe di valutare il cambiamento del rischio senza imporre un onere aggiuntivo irragionevole al personale sanitario”, ha affermato baker.

Ha detto che la ricerca del team JCU, pubblicata sulla rivista Computers in Biology and Medicine, aveva sviluppato il Neonatal Artificial Intelligence Mortality Score (NAIMS), una rete neurale ibrida che si basa su semplici dati demografici e tendenze nella frequenza cardiaca e respiratoria per determinare il rischio di mortalità.

“Utilizzando i dati generati in un periodo di 12 ore, naims ha mostrato una forte performance nel prevedere il rischio di mortalità di un bambino entro 3, 7 o 14 giorni. Questo è il primo lavoro di cui siamo a conoscenza che utilizza solo dati demografici respiratori, di frequenza respiratoria e frequenza cardiaca, facili da registrare per produrre una previsione accurata del rischio di mortalità immediata“.

Ha detto che la tecnica era veloce, e che non aveva bisogno di procedure invasive o conoscenza delle storie mediche.

“Grazie alla semplicità e alle alte prestazioni del nostro schema, NAIMS potrebbe essere facilmente ricalcolato continuamente e automaticamente, consentendo l’analisi della reattività di un bambino al trattamento e ad altre tendenze sanitarie”.

Ha affermato che il NAIMS si è dimostrato accurato se testato rispetto alle registrazioni di mortalità ospedaliera dei bambini pretermine e ha avuto l’ulteriore vantaggio rispetto agli schemi esistenti, essendo in grado di eseguire una valutazione del rischio basata su 12 ore di dati durante la degenza del paziente.

Baker ha affermato che il prossimo passo nel processo sarà quello di collaborare con gli ospedali locali per raccogliere più dati e intraprendere ulteriori test.

“Inoltre, miriamo a condurre ricerche sulla previsione di altri risultati nella terapia intensiva neonatale, come l’insorgenza della sepsi e la durata del soggiorno del paziente”.