Czy nowa technologia zmienia leczenie choroby Crohna?

Infliksymab to specjalny lek, który pomaga dzieciom z chorobą Crohna, czyli przewlekłym zapaleniem jelit powodującym ból i dyskomfort. Problem polega na tym, że każde dziecko reaguje na ten lek inaczej, niektóre potrzebują więcej a inne mniej, żeby poczuć się lepiej. Lekarze muszą więc regularnie sprawdzać poziom leku we krwi i dostosowywać dawki, ale dotychczas używane metody przewidywania często się myliły, szczególnie u rosnących dzieci, których organizm szybko się zmienia.

Naukowcy postanowili stworzyć nowy, hybrydowy model, który łączy tradycyjne metody matematyczne ze sztuczną inteligencją. Przebadali 93 dzieci w wieku 2-22 lata i nauczyli komputer rozpoznawać wzorce w danych medycznych. Okazało się, że program komputerowy potrafił znacznie lepiej przewidzieć, ile leku będzie potrzebować każde dziecko, biorąc pod uwagę takie czynniki jak zmiany wagi, wskaźniki zapalenia czy poprzednie poziomy leku we krwi. Najlepszy wynik osiągnął algorytm o nazwie XGBoost, który zmniejszył błędy przewidywań o około 20%.

Te wyniki oznaczają przełom w leczeniu dzieci z chorobą Crohna. Dzięki nowemu modelowi lekarze będą mogli szybciej dobrać odpowiednią dawkę leku dla każdego dziecka, co oznacza mniej bólu, szybszą poprawę i mniej skutków ubocznych. Model może być zintegrowany z systemami szpitalnymi i automatycznie podpowiadać lekarzom, jak dostosować leczenie. To pierwsza taka technologia w medycynie dziecięcej, która może stać się wzorem dla innych leków wymagających precyzyjnego dawkowania u młodych pacjentów.

Podsumowanie

Naukowcy opracowali przełomową technologię łączącą sztuczną inteligencję z tradycyjnymi metodami matematycznymi w celu lepszego dawkowania infliksymabu u dzieci z chorobą Crohna. Nowy hybrydowy model, przetestowany na 93 pacjentach w wieku 2-22 lata, wykorzystuje algorytm XGBoost do analizy danych medycznych i przewidywania optymalnych dawek leku. Dzięki uwzględnieniu czynników takich jak zmiany wagi, wskaźniki zapalenia i poprzednie poziomy leku we krwi, system zmniejszył błędy przewidywań o około 20% w porównaniu z dotychczasowymi metodami. Technologia może być zintegrowana z systemami szpitalnymi i automatycznie podpowiadać lekarzom odpowiednie dawkowanie, co oznacza szybszą poprawę stanu zdrowia dzieci, mniej bólu i ograniczenie skutków ubocznych. To pierwsza tego typu technologia w medycynie dziecięcej, która może stać się wzorem dla precyzyjnego dawkowania innych leków u młodych pacjentów.