Загальновідомо, що лікарям важко ідентифікувати рану, в якій відбувається зараження. Міжнародна команда вчених і клініцистів вважає, що у них є рішення: пристрій, що запускається з програми для смартфона або планшета, яке дозволяє проводити розширену візуалізацію рани для виявлення інфекції.
Клінічні ознаки і симптоми неточні, а методи виявлення бактерій можуть забирати багато часу і бути недоступними, тому діагноз може бути суб’єктивним і залежати від досвіду лікаря. Інфекція може загальмувати загоєння або поширитися по організму, якщо її не лікувати швидко, піддаючи здоров’я пацієнта серйозної небезпеки.
« Лікування ран — одна з найдорожчих і недооцінюваних загроз для пацієнтів і нашої системи охорони здоров’я в цілому, — сказав Роберт Фрейзер із Західного університету і Swift Medical Inc., відповідний автор дослідження, опублікованого в Frontiers in Medicine. — Лікарям потрібні більш досконалі інструменти і дані, щоб найкращим чином обслуговувати своїх пацієнтів, які відчувають непотрібні страждання ».
Вчені розробили пристрій під назвою Swift Ray 1, яке можна підключити до смартфону і програмного забезпечення Swift Skin and Wound. З його допомогою можна робити фотографії медичного якості, інфрачервоні термографічні зображення ( які вимірюють температуру тіла ) і бактеріальні флуоресцентні зображення ( які виявляють бактерії за допомогою фіолетового світла ).
Жодного з цих зображень буде недостатньо для виявлення однієї тільки інфекції. Клінічний огляд відрізняється низькою точністю, як і термографія, яка вимірює зміни температури, викликані запаленням і інфекцією. Бактеріальна флуоресценція дозволяє бачити тільки поверхню рани, яка природним чином забруднена бактеріями, тому необхідні додаткові методи, щоб відрізнити забруднення від інфікованої рани.
Дослідження показали, що бактеріологічна візуалізація допомагає керувати роботою лікарів з видалення нежиттєздатних тканин, але сама по собі вона не може виявити інфекцію. Термографія дає уявлення про запальні зміни і зміни кровообігу, що відбуваються під шкірою.
Вчені прагнули об’єднати ці методи, щоб розробити метод, який не вимагав би безлічі дорогих пристроїв, усував би недоліки кожного методу візуалізації і міг би забезпечити об’єктивну оцінку загоєння ран.
Для тестування свого пристрою вони залучили 66 поранених пацієнтів. В їх ранах не було ознак подальшого поширення інфекції, вони не містили сторонніх тіл і раніше не лікувалися антибіотиками або факторами зростання. Рани пацієнтів були відкриті, очищені і висушені перед візуалізацією, а потім за ними був звичайний догляд. З 66 ран 20 вважалися невоспаленнимі, 26 були запалені, а 20 інфіковані.
Дослідники провели аналіз головних компонентів і використовували алгоритм, званий кластеризацией найближчих k-сусідів, щоб з’ясувати, чи може модель машинного навчання точно ідентифікувати ці різні категорії ран. Вони виявили, що модель може дуже добре ідентифікувати всі три рани із загальною точністю 74%. При розрізненні інфікованих і неінфікованих ран модель правильно ідентифікувала 100% інфікованих ран і 91% неінфікованих ран.
« Це було пілотне дослідження, і плануються наступні дослідження », — попередив Фрейзер. — В майбутньому для валідації в різних популяціях будуть потрібні пацієнти з великою кількістю типів ран ».
Матеріали новинного характеру не можна прирівнювати до призначення лікаря. Перед прийняттям рішення порадьтеся з фахівцем.
