Berandasehat.id – Infeksi bakteri sekunder pada paru (pneumonia) sangat umum terjadi pada pasien COVID-19, mempengaruhi hampir separuh pasien yang membutuhkan bantuan ventilasi mekanis. Dengan menerapkan pembelajaran mesin ke data rekam medis, para ilmuwan di Fakultas Kedokteran Universitas Northwestern Feinberg menemukan bahwa pneumonia bakterial sekunder yang tidak sembuh adalah penyebab utama kematian pada pasien COVID-19. Bahkan mungkin melebihi angka kematian dari infeksi virus itu sendiri.

Para ilmuwan juga menemukan bukti bahwa COVID-19 tidak menyebabkan badai sitokin yang sering diyakini menyebabkan kematian, demikian menurut studi yang baru-baru ini diterbitkan dalam Journal of Clinical Investigation.

“Studi kami menyoroti pentingnya mencegah, mencari, dan mengobati pneumonia bakterial sekunder secara agresif pada pasien yang sakit kritis dengan pneumonia berat, termasuk pasien dengan COVID-19,” kata penulis senior Dr. Benjamin Singer, seorang profesor kedokteran di Universitas Northwestern Feinberg. School of Medicine dan dokter pengobatan paru dan perawatan kritis Northwestern.

Para peneliti menemukan hampir setengah dari pasien dengan COVID-19 mengembangkan pneumonia bakteri sekunder terkait ventilator.

“Mereka yang sembuh dari pneumonia sekunder cenderung hidup, sedangkan mereka yang pneumonianya tidak sembuh lebih mungkin meninggal,” kata Singer. “Data kami menunjukkan bahwa kematian terkait virus itu sendiri relatif rendah, tetapi hal-hal lain yang terjadi selama tinggal di ICU – seperti pneumonia bakterial sekunder – mengimbanginya.”

Temuan penelitian itu juga meniadakan teori badai sitokin, kata Singer, yang juga Profesor Kedokteran Paru Lawrence Hicks di Feinberg. “Istilah ‘badai sitokin’ berarti peradangan luar biasa yang mendorong kegagalan organ di paru, ginjal, otak, dan organ lainnya,” ujarnya. “Jika itu benar, jika badai sitokin mendasari lama tinggal yang kita lihat pada pasien dengan COVID-19, kita akan melihat seringnya transisi ke keadaan yang ditandai dengan kegagalan multi-organ. Bukan itu yang kita lihat.”

Studi tersebut menganalisis 585 pasien di unit perawatan intensif (ICU) di Rumah Sakit Northwestern Memorial dengan pneumonia berat dan gagal napas, 190 di antaranya mengidap COVID-19. 

Pasien dirawat di bangsal perawatan (dok.ist)

Penggunaan Teknologi Kecerdasan Buatan

Dalam studinya, para ilmuwan mengembangkan pendekatan pembelajaran mesin baru yang disebut CarpeDiem, yang mengelompokkan hari-hari pasien ICU yang serupa ke dalam keadaan klinis berdasarkan data catatan kesehatan elektronik. Pendekatan baru ini, yang didasarkan pada konsep putaran harian oleh tim ICU, memungkinkan mereka untuk bertanya bagaimana komplikasi seperti pneumonia bakteri mempengaruhi perjalanan penyakit.

Pasien-pasien ini atau penggantinya setuju untuk mendaftar dalam studi Successful Clinical Response to Pneumonia Therapy (SCRIPT), sebuah percobaan observasional untuk mengidentifikasi biomarker baru dan terapi untuk pasien dengan pneumonia berat. Sebagai bagian dari SCRIPT, panel ahli dokter ICU menggunakan analisis sampel paru canggih yang dikumpulkan sebagai bagian dari perawatan klinis untuk mendiagnosis dan memutuskan hasil kejadian pneumonia sekunder.

“Penerapan pembelajaran mesin dan kecerdasan buatan pada data klinis dapat digunakan untuk mengembangkan cara yang lebih baik untuk mengobati penyakit seperti COVID-19 dan untuk membantu dokter ICU menangani pasien ini,” kata salah satu penulis studi Dr. Catherine Gao, seorang instruktur di obat perawatan paru dan kritis di Feinberg dan seorang dokter Pengobatan Northwestern.

“Pentingnya superinfeksi bakteri pada paru-paru sebagai penyumbang kematian pada pasien COVID-19 kurang diapresiasi karena sebagian besar center belum mencarinya atau hanya melihat hasil dalam hal ada atau tidaknya superinfeksi bakteri, bukan apakah pengobatannya tepat. berhasil atau tidak,” kata rekan penulis studi Dr. Richard Wunderink, yang memimpin Successful Clinical Response di Pusat Biologi Sistem Terapi Pneumonia di Northwestern.

Langkah selanjutnya dalam penelitian ini adalah menggunakan data molekuler dari sampel penelitian dan mengintegrasikannya dengan pendekatan pembelajaran mesin untuk memahami mengapa beberapa pasien sembuh dari pneumonia dan beberapa tidak. 

Tim peneliti juga ingin memperluas teknik ke kumpulan data yang lebih besar dan menggunakan model untuk membuat prediksi yang dapat dibawa kembali ke bangsal perawatan untuk meningkatkan perawatan pasien yang sakit kritis. (BS)

Advertisement