Βρείτε μας στο Google News. Πατήστε εδώ!Ένα δυνητικά σωτήριο μοντέλο για τον εντοπισμό του μητρικού κινδύνου σε έγκυες γυναίκες με προεκλαμψία έχει αναπτυχθεί από ερευνητές. Περισσότερες από 8.800 γυναίκες σε 11 χώρες συμμετείχαν στη μελέτη, η οποία ταξινόμησε με ακρίβεια τον κίνδυνο δυσμενών εκβάσεων της αρτηριακής πίεσης στις γυναίκες σε πέντε κατηγορίες, από πολύ χαμηλή έως πολύ υψηλή, εντός δύο ημερών από την πρώτη τους αξιολόγηση.
Η προεκλαμψία εμφανίζεται σε ποσοστό μεταξύ 2% και 4% των κυήσεων και είναι η κύρια παγκόσμια αιτία μητρικής νοσηρότητας και θνησιμότητας. Εκτιμάται ότι προκαλεί 46.000 μητρικούς θανάτους και μισό εκατομμύριο θνησιγενείς γεννήσεις και θανάτους νεογνών ετησίως, σχεδόν όλα συμβαίνουν σε χώρες χαμηλού και μεσαίου εισοδήματος. Η πλειονότητα των εγκύων που αναπτύσσουν προεκλαμψία έχουν ήπια νόσο που τελειώνει αμέσως μετά τον τοκετό. Ωστόσο, περίπου 1 στις 10 από αυτές τις γυναίκες στο Ηνωμένο Βασίλειο αντιμετωπίζουν απειλητικές για τη ζωή ή επιπλοκές που αλλάζουν τη ζωή τους, όπως το εγκεφαλικό.
Το νέο μοντέλο πρόβλεψης κινδύνου έχει σχεδιαστεί για να χρησιμοποιείται διεθνώς και η λειτουργία του βασίζεται στη μηχανική μάθηση, μια μορφή τεχνητής νοημοσύνης. Οι ερευνητές από το Πανεπιστήμιο του Strathclyde στη Γλασκώβη και το King’s College του Λονδίνου στοχεύουν τώρα να αναπτύξουν μια εφαρμογή για τον προσδιορισμό του κινδύνου μιας μεμονωμένης γυναίκας να υποστεί δυσμενή έκβαση της προεκλαμψίας μετά τη διάγνωσή της. Το μοντέλο, που ονομάζεται PIERS-ML (Pre-eclampsia Integrated Estimate of Risk—Machine Learning), ενοποιεί δύο προηγούμενες εκδόσεις του μοντέλου. Η ερευνητική εργασία δημοσιεύτηκε στο The Lancet Digital Health.
Ο Tunde Csobán, Ερευνητής στο Τμήμα Μαθηματικών και Στατιστικής του Strathclyde, ο κύριος συγγραφέας της εργασίας, είπε: “Η προεκλαμψία παρουσιάζει σημαντικούς, συχνά θανατηφόρους, κινδύνους για τις γυναίκες και τα παιδιά τους. Υπάρχει επείγουσα ανάγκη για ένα αποτελεσματικό μέσο αξιολόγησης αυτών των κινδύνων, ώστε να είναι δυνατή η διαχείρισή τους και η παροχή υποστήριξης». Ο Δρ Kimberley Kavanagh, Ανώτερος Λέκτορας στο Τμήμα Μαθηματικών και Στατιστικής του Strathclyde και συν-συγγραφέας της εργασίας, είπε: «Το μοντέλο που αναπτύξαμε έχει δοκιμαστεί αυστηρά και έχει αποδειχθεί ότι παρέχει γρήγορες, ακριβείς προβλέψεις των κινδύνων, κατά κάποιο τρόπο που μπορεί να προσαρμοστεί στις ατομικές συνθήκες των γυναικών σε όλο τον κόσμο.
«Ελπίζουμε να το καταστήσουμε διαθέσιμο σε μια εφαρμογή που μπορεί να χρησιμοποιηθεί σε κλινικές ρυθμίσεις — και ενδεχομένως να σώσει πολλές ζωές». Ο κύριος ερευνητής του έργου, ο καθηγητής Peter von Dadelszen, Καθηγητής Παγκόσμιας Γυναικείας Υγείας, στο King’s College του Λονδίνου, δήλωσε: «Όσο περισσότερο μια γυναίκα παραμένει έγκυος, γενικά τόσο καλύτερο είναι το αποτέλεσμα για το μωρό, αλλά στην προεκλαμψία, τα προβλήματα του πλακούντα που είναι πίσω από τη διαδικασία επιδεινώνονται. «Ξεκινήσαμε να αναπτύσσουμε ένα μοντέλο που θα μετρούσε αντικειμενικά τους κινδύνους της προεκλαμψίας το 2001. Τώρα έχουμε λάβει τα δεδομένα που λάβαμε από τις προηγούμενες εκδόσεις, fullPIERS και miniPIERS, και καταλήξαμε στην προσέγγιση μηχανικής μάθησης που παρήγαγε το καλύτερο μοντέλο. ”
“Ένα από τα καινοτόμα πράγματα που κάναμε με τη μοντελοποίηση είναι να συμπεριλάβουμε το ΑΕΠ των χωρών και τους εθνικούς δείκτες μητρικής θνησιμότητας. Η συμπερίληψη αυτών των μεταβλητών σημαίνει ότι το μοντέλο προσαρμόζεται αυτόματα ανάλογα με το πού ζει μια γυναίκα και το καθιστά παγκόσμιο μοντέλο. Αυτή είναι μια πολύ σημαντική ερευνητική εργασία και είναι ίσως το πιο γενικευμένο μοντέλο που υπάρχει για την προεκλαμψία. Είναι φανταστικό να βλέπουμε πόσο καλά λειτουργεί».
Η μελέτη στρατολόγησε 8.843 γυναίκες από 53 μαιευτικές μονάδες σε 11 χώρες χαμηλού, μεσαίου και υψηλού εισοδήματος: Βραζιλία. Φίτζι; Πακιστάν; Νότια Αφρική; Ουγκάντα; Αυστραλία; Καναδάς; Φινλανδία; Νέα Ζηλανδία; το ΗΒ και τις ΗΠΑ. Οι κατηγορίες μητρικού κινδύνου ορίστηκαν ως πολύ χαμηλός, χαμηλός, μέτριος, υψηλός ή πολύ υψηλός. Τα αρχεία άλλων 2.901 γυναικών από τη Νοτιοανατολική Αγγλία χρησιμοποιήθηκαν για μια άσκηση εξωτερικής επικύρωσης του μοντέλου, η οποία επιβεβαίωσε την απόδοση της κύριας μελέτης.
