Un instrument AI oferă avertizări timpurii pentru insuficiența organelor în pancreatita acută
Pancreatita acută (PA) reprezintă una dintre cele mai frecvente afecțiuni digestive acute la nivel mondial, iar cea mai temută complicație – insuficiența organelor persistente – contribuie la ratele de mortalitate de 30% până la 50%.
Sistemele de evaluare actuale și evaluările bazate pe tomografia computerizată (CT) ratează frecvent semnele timpurii ale insuficienței organelor sau se bazează pe rezultate de laborator întârziate, limitând astfel capacitatea lor de a ghida tratamentele în timp util.
Un nou studiu publicat online în Journal of Pancreatology pe 14 august 2026 raportează despre un instrument de inteligență artificială (AI) care abordează această problemă. Cercetătorii de la Changhai Hospital și Shanghai 411 Hospital au dezvoltat ORACLE (Organ Failure Risk Assessment with CT and Learning Engine), care combină radiomica prin învățare profundă extrasă din scanările CT multiphase cu variabile clinice pentru a prezice automat insuficiența organelor.
Studiul multicentric a inclus 2.746 de pacienți cu PA (2011–2024), împărțiți în cohorte de antrenament, validare și testare externă independentă. Modelul ORACLE a obținut arii sub curba (AUC) de 0.85, 0.89 și 0.81 în aceste cohorte, depășind semnificativ Indicele de Severitate CT Modificat (AUC 0.68–0.74) și modelele clinice (AUC 0.67–0.71).
Un aspect notabil al modelului este că a oferit o medie de avertizare timpurie de 3.5 ore înainte ca insuficiența organelor să devină evidentă clinic, cu 55% din cazuri prezise cu cel puțin 3 ore în avans. Printre pacienții cu risc ridicat semnalați de model, incidența insuficienței organelor a ajuns la 92.1%. Valoarea predictivă negativă generală a fost de 97.2%, ceea ce înseamnă că un rezultat de risc scăzut a exclus fiabil insuficiența organelor.
Transformând imaginile CT de rutină într-un sistem automatizat de avertizare timpurie pentru insuficiența organelor, modelul oferă un instrument practic pentru identificarea mai timpurie a pacienților cu risc ridicat și o alocare mai bine direcționată a resurselor de monitorizare intensivă.
Autorii subliniază că generalizabilitatea instrumentului a fost confirmată prin validarea independentă multicentrică. Aceștia își imaginează că stratificarea riscurilor bazată pe imagistică, automatizată, ar putea deveni un adjunct practic în mediile de urgență și îngrijire critică, îmbunătățind strategiile de intervenție timpurie și optimizând alocarea resurselor.
