sztuczna sieć neuronowa
Sztuczna sieć neuronowa to zaawansowany model obliczeniowy inspirowany biologiczną strukturą mózgu, który znajduje coraz szersze zastosowanie w medycynie. Składa się z połączonych węzłów (neuronów) zorganizowanych w warstwy, które przetwarzają dane wejściowe, przekształcając je w użyteczne wyniki.
W kontekście medycznym, sztuczne sieci neuronowe są wykorzystywane do analizy złożonych danych diagnostycznych, prognozowania przebiegu chorób oraz wspomagania decyzji klinicznych. Wykazują szczególną skuteczność w interpretacji obrazów medycznych, takich jak zdjęcia rentgenowskie, skany MRI czy obrazy histopatologiczne, często dorównując lub przewyższając dokładnością diagnostyczną doświadczonych klinicystów.
Zastosowania sztucznych sieci neuronowych w medycynie obejmują również przewidywanie skuteczności terapii, analizę danych genomicznych, projektowanie leków oraz personalizację medycyny. Algorytmy te są w stanie identyfikować subtelne wzorce w danych pacjentów, które mogą umknąć uwadze lekarzy, co czyni je cennym narzędziem wspierającym proces diagnostyczny i terapeutyczny.
Powiązane wpisy
- Leksykon chorób i schorzeń
Tętniak aorty brzusznej – Rokowania, prognozy i postęp choroby
Tętniak aorty brzusznej (AAA) stanowi istotne zagrożenie życia, zwłaszcza w przypadku pęknięcia, które jest 13. najczęstszą przyczyną zgonów w USA. Rokowanie zależy od wczesnego wykrycia i planowej naprawy, gdyż śmiertelność po planowej operacji jest znacznie niższa niż po naprawie pękniętego tętniaka. Wśród czynników ryzyka zwiększających śmiertelność po operacji (EVAR lub otwartej) wymienia się m.in. utratę przytomności, długotrwałe niedociśnienie (>60 min), wiek powyżej 70 lat, zastoinową chorobę serca, historię chorób naczyniowo-mózgowych, zatrzymanie krążenia oraz ciśnienie skurczowe <90 mmHg. Wskaźniki przeżywalności po naprawie AAA są porównywalne do populacji ogólnej, jednak współistniejące choroby, takie jak przewlekła niewydolność serca i POChP, pogarszają rokowanie. W ciągu 10 lat od wykrycia tętniaka 83% pacjentów nie wymagało interwencji ani nie doświadczyło pęknięcia.
biomarker prognostyczny, choroba nerek, EVAR, naprawa tętniaka, niewydolność serca przewlekła, pęknięcie tętniaka, POChP, przeciek wewnętrzny, śmiertelność wewnątrzszpitalna, średnica przednio-tylna, stratyfikacja ryzyka, sztuczna sieć neuronowa, tętniak aorty brzusznej, uczenie maszynowe, udar mózgu, zatrzymanie krążenia, zawał mięśnia sercowego - Leksykon chorób i schorzeń
Choroba koronawirusowa 2019 (covid-19) – Rokowania, prognozy i postęp choroby
Wczesna identyfikacja pacjentów z COVID-19 zagrożonych ciężkim przebiegiem jest kluczowa dla optymalizacji opieki medycznej i alokacji zasobów. W literaturze opisano ponad 600 modeli prognostycznych, z których najczęściej oceniano śmiertelność (w 152 badaniach, 48,4%). Najważniejsze wskaźniki prognostyczne to m.in. liczba limfocytów i płytek krwi, poziom kreatyniny, IL-6, prokalcytoniny, D-dimerów, ferrytyny, LDH, CRP, aminotransferaz (AST, ALT), troponiny T wysokiej czułości, albuminy i kinazy kreatynowej. Czynniki kliniczne o istotnym znaczeniu to wiek (najsilniejszy czynnik ryzyka), choroby współistniejące (POCHP, choroby układu krążenia, nadciśnienie), duszność, zaburzenia świadomości oraz status szczepienia. Modele oparte na uczeniu maszynowym, wykorzystujące m.in. poziom albuminy, LDH, wiek i liczbę neutrofili, osiągają wysoką skuteczność prognostyczną (AUC do 0,905). Wśród zwalidowanych narzędzi prognostycznych wyróżnia się modele Qcovid, PRIEST, Carrs, ISARIC4C, Xie oraz ALDCC, które uwzględniają dane kliniczne i laboratoryjne przy przyjęciu pacjenta.
albumina, aminotransferaza alaninowa, aminotransferaza asparaginianowa, białko C-reaktywne, biomarker zapalny, choroba układu krążenia, D-dimer, dehydrogenaza mleczanowa, duszność, ferrytyna, interleukina-6, kaniula nosowa o wysokim przepływie, kinaza kreatynowa, kreatynina, limfocyt, nadciśnienie tętnicze, obrazowanie medyczne, płytka krwi, POChP, pozaustrojowe utlenowanie krwi, prokalcytonina, sieć neuronowa, śmiertelność, support vector machine, sztuczna sieć neuronowa, uczenie maszynowe, wskaźnik laboratoryjny, wysiękowe zwyrodnienie plamki żółtej, zaburzenie świadomości - Leksykon chorób i schorzeń
Szczepionka przeciw covid-19 – Rokowania, prognozy i postęp choroby
Szczepionki przeciw COVID-19 wykazują istotną skuteczność w zapobieganiu ciężkiemu przebiegowi choroby, hospitalizacjom oraz zgonowi, z różnicami zależnymi od wieku, stanu immunologicznego pacjenta oraz dominującego wariantu wirusa. W sezonie 2024-2025 skuteczność szczepionek wynosiła 33% w zapobieganiu wizytom na oddziałach ratunkowych u dorosłych ≥18 lat oraz 45-46% w ochronie przed hospitalizacją u immunokompetentnych osób ≥65 lat, a u osób z obniżoną odpornością skuteczność wynosiła 40%. Szczepionka Pfizer-BioNTech znacząco redukowała ryzyko objawowego COVID-19 (RR 0,09; 95% CI 0,07-0,11), hospitalizacji (RR 0,02; 95% CI 0,00-0,12) oraz zgonu (RR 0,17; 95% CI 0,02-1,39). Ochrona przeciw zakażeniu różni się w zależności od wariantu: dla osób ≥60 lat skuteczność po 2 dawkach wynosiła 90,7% dla wariantu Alfa, 82,3% dla Delty i 39,9% dla Omikronu, przy czym trzecia dawka znacząco poprawiała ochronę przed Omikronem. Szczepienia zmniejszają także ryzyko i nasilenie długotrwałego COVID-19, poprawiając jakość życia pacjentów z utrzymującymi się objawami, a także redukują powikłania sensoryczne, krążeniowe, hematologiczne i skórne (np. RR dla niespecyficznych zaburzeń COVID-19 0,53; 95% CI 0,51-0,56).
anafilaksja, badanie obserwacyjne, biomarker prognostyczny, ciężki przebieg choroby, czułość i swoistość, działanie niepożądane, hospitalizacja, krzywa ROC, long COVID, przedział ufności, ryzyko względne, skuteczność szczepionki, szczepionka Pfizer-BioNTech, szczepionka przeciw COVID-19, sztuczna sieć neuronowa, uczenie maszynowe, wariant Alfa, wariant Delta, wariant Omikron, wartość predykcyjna, wielochorobowość, zaburzenia hematologiczne, zaburzenia krążenia, zaburzenia sensoryczne, zakażenie SARS-CoV-2, zapalenie mięśnia sercowego, zespół post-COVID - Leksykon chorób i schorzeń
Covid-19 – Rokowania, prognozy i postęp choroby
Prognozowanie przebiegu klinicznego COVID-19 jest kluczowe dla optymalizacji leczenia i alokacji zasobów medycznych. W literaturze opisano ponad 600 modeli prognostycznych, z których większość skupia się na przewidywaniu śmiertelności i ciężkiego przebiegu choroby. Najważniejsze predyktory to podeszły wiek, płeć, obniżone wysycenie tlenem, podwyższone poziomy CRP (do 69,10 mg/L), BUN, D-dimerów (DoM 1,29 mg/L), IL-6, ferrytyny, LDH (DoM 189,49 U/L) i troponiny sercowej I (DoM 21,88 pg/mL). Modele oparte na uczeniu maszynowym, takie jak połączone algorytmy SVM, Gradient Boosted Decision Tree i sieci neuronowe, osiągają wysokie wartości AUC (do 0,99) w przewidywaniu ciężkiego przebiegu i śmiertelności. Wśród skal klinicznych, 4C mortality score i COVID-IRS wykazują dobrą dokładność (AUC odpowiednio 0,83 i 0,78), a nowa skala COVID-COMBI przewyższa je w predykcji ciężkiego przebiegu (AUC 0,79).
azot mocznikowy we krwi, białko C-reaktywne, biomarker zapalny, choroba sercowo-naczyniowa, ciężki przebieg choroby, COVID-19, cukrzyca, D-dimery, dehydrogenaza mleczanowa, duszność, ferrytyna, interleukina-6, kaniula nosowa o wysokim przepływie, liczba białych krwinek, liczba limfocytów, limfocyt T pomocniczy, nadciśnienie, oddział intensywnej terapii, pandemia, prokalcytonina, SARS-CoV-2, stosunek neutrofili do limfocytów, sztuczna sieć neuronowa, troponina sercowa I, wentylacja mechaniczna, zaburzenie świadomości - Leksykon chorób i schorzeń
Krwotok podpajęczynówkowy – Rokowania, prognozy i postęp choroby
Krwotok podpajęczynówkowy (SAH) pozostaje schorzeniem o wysokiej śmiertelności i znaczącej chorobowości, co podkreśla konieczność precyzyjnego prognozowania wyników leczenia. W praktyce klinicznej stosuje się szereg skal oceny, takich jak WFNS, Hunt-Hess, PAASH, Fisher i Hijdra, które umożliwiają standaryzację oceny stanu neurologicznego i ilości krwi w przestrzeni podpajęczynówkowej. Skala PAASH wykazuje dobrą zdolność dyskryminacyjną, a skala Hijdra jest najlepszym predyktorem opóźnionego niedokrwienia mózgu (DCI) z AUC 0,80 (95% CI: 0,74-0,85) i punktem odcięcia 20/42. Nowoczesne modele prognostyczne oparte na uczeniu maszynowym, takie jak Random Forest (AUC = 0,867; 95% CI: 0,806-0,929) oraz konwolucyjne sieci neuronowe analizujące obrazy CT (dokładność 74%, AUC 82%), pozwalają na wczesną identyfikację czynników ryzyka, w tym wieku, stopnia WFNS i wyników w zmodyfikowanej skali Fishera (mFS). Dynamiczne modele, np. Neurological Intervention Transition (NIT), integrujące pomiary neurologiczne i biomarkery hematologiczne (WBC, glukoza), zwiększają dokładność predykcji wyników (z 0,7422 do 0,7783). Biomarkery takie jak zmienność rytmu serca (HRV) oraz mikroRNA (miR-9-3p, miR-5p) również wykazują korelacje z funkcjonalnym wynikiem po SAH.
afazja, autoregulacja, deficyt motoryczny, deficyt neurologiczny, konwolucyjna sieć neuronowa, krwotok podpajęczynówkowy, krwotok śródmózgowy, liczba białych krwinek, mikroRNA, model głębokiego uczenia, mydriaza, niepełnosprawność fizyczna, opóźnione niedokrwienie mózgu, płyn mózgowo-rdzeniowy, przestrzeń podpajęczynówkowa, przesunięcie linii środkowej, resuscytacja krążeniowo-oddechowa, skala Fishera, skala Glasgow, skurcz naczyniowy, sztuczna sieć neuronowa, uczenie maszynowe, uszkodzenie mózgu, wczesna zmiana niedokrwienna, wczesne uszkodzenie mózgu, zmienność rytmu serca - Leksykon chorób i schorzeń
Zawał serca – Rokowania, prognozy i postęp choroby
Prognozowanie śmiertelności po ostrym zawale mięśnia sercowego (AMI) opiera się na wieloczynnikowej ocenie ryzyka, uwzględniającej m.in. wiek, markery stanu zapalnego (interleukina-6, fibrynogen, homocysteina), parametry hemostazy (D-dimer, kompleks plazmina-antyplazmina, czynnik VIII), markery stresu sercowego (NT-proBNP) oraz uszkodzenia miocytów (troponina sercowa T). Istotne są także ciśnienie tętnicze rozkurczowe, wskaźniki miażdżycy (CAC, ABI, IMT) oraz parametry funkcji lewej komory, takie jak frakcja wyrzutowa (LVEF) i objętość lewej komory. Wskaźniki śmiertelności wynoszą 3% wewnątrzszpitalnie, 5% po 6 miesiącach i 6% po 12 miesiącach, a w 5-letniej obserwacji po PCI śmiertelność sięga około 4,82%. Wczesna diagnostyka z wykorzystaniem wysokoczułej troponiny sercowej, ultrasonografii płuc (LUS) oraz analizy EKG z zastosowaniem głębokich sieci neuronowych znacząco poprawia dokładność prognozowania.
beta-bloker, biomarker, czynnik VIII, D-dimer, elektrokardiogram, fibrynogen, frakcja wyrzutowa lewej komory, hemostaza, homocysteina, interleukina-6, kompleks intima-media, marker stanu zapalnego, miażdżyca, nomogram prognostyczny, NT-proBNP, objętość lewej komory, ostra niewydolność serca, ostry zawał mięśnia sercowego, peptyd natriuretyczny, przezskórna interwencja wieńcowa, Random Survival Forest, sieć neuronowa konwolucyjna, statyna, sztuczna inteligencja, sztuczna sieć neuronowa, transplantacja serca, trimetyloamina N-tlenek, troponina sercowa T, uczenie maszynowe, ultrasonografia płuc, wskaźnik kostka-ramię, zastój płucny, zawał serca, zespół wieńcowy, zwapnienie tętnic wieńcowych - Leksykon chorób i schorzeń
Tętniak aorty – Rokowania, prognozy i postęp choroby
Tętniak aorty, szczególnie aorty brzusznej (AAA), stanowi istotne wyzwanie kliniczne ze względu na ryzyko pęknięcia, które jest 13. przyczyną zgonów w USA. Wzrost tętniaka jest zwykle progresywny, co wymaga wczesnej oceny specjalistycznej i decyzji o leczeniu lub monitoringu. Nowoczesne narzędzia oparte na sztucznej inteligencji (AI) i uczeniu maszynowym (ML) wykazują wysoką skuteczność w przewidywaniu powikłań po otwartej naprawie AAA, z wartościami AUROC od 0,81 do 0,91 oraz niskim wynikiem Briera 0,03. Modele te potrafią prognozować m.in. zawał mięśnia sercowego, udar, zgon, reinterwencje i nieplanowane readmisje w ciągu 30 dni po zabiegu. Ponadto, klasyfikator prognostyczny tętniaka (APC) oparty na ML umożliwia stratyfikację pacjentów na grupy stabilne, wymagające naprawy lub z pękniętym AAA, co podkreśla znaczenie integracji danych klinicznych z ilościową oceną biomechaniczną i morfologiczną w obrazowaniu.
aorta wstępująca, biomarker prognostyczny, choroba nerek, łuk aorty, pęknięty tętniak aorty brzusznej, powikłanie pooperacyjne, przeciek, reinterwencja, rozwarstwienie aorty, śmiertelność wewnątrzszpitalna, średnica przednio-tylna, sztuczna sieć neuronowa, tętniak aorty, tętniak aorty brzusznej, tętnica szyjna, tętnica wieńcowa, udar, wewnątrznaczyniowa naprawa tętniaka, wstrząs, zastawka aorty, zatrzymanie krążenia, zawał mięśnia sercowego, zdarzenie sercowo-naczyniowe - Leksykon chorób i schorzeń
Tachykardia – Rokowania, prognozy i postęp choroby
Tachykardia, definiowana jako rytm serca >100 uderzeń/min, jest istotnym wskaźnikiem stresu sercowo-naczyniowego i niezależnym czynnikiem ryzyka pogorszenia rokowania w wielu chorobach przewlekłych, w tym niewydolności serca i chorobie wieńcowej. Wczesne wykrywanie tachykardii, możliwe dzięki algorytmom uczenia maszynowego analizującym parametry życiowe, pozwala na przewidywanie epizodów nawet 75 minut przed ich wystąpieniem, co może umożliwić wcześniejsze interwencje w stanach zagrażających niewydolności krążeniowo-oddechowej. Szczególnie istotne jest przewidywanie tachykardii komorowej (VT) z wykorzystaniem sztucznych sieci neuronowych (ANN) na podstawie 14 parametrów zmienności rytmu serca (HRV) i częstości oddechów (RRV), osiągających czułość 88%, swoistość 82% i AUC 0,93, co daje możliwość interwencji z wyprzedzeniem godzinowym. W populacji z nadciśnieniem płucnym tachykardie nadkomorowe (SVT) występują często (25-58%), jednak nie są niezależnym predyktorem śmiertelności. U pacjentów z anomalią Ebsteina tachykardia przedsionkowa (AT) oraz obniżona frakcja wyrzutowa prawej i lewej komory są powiązane z poważnymi zdarzeniami sercowymi (MACE), co podkreśla prognostyczną wartość obrazowania CMR i monitorowania arytmii.
algorytm uczenia maszynowego, amyloidoza dziedziczna, anomalia Ebsteina, asystolia, choroba wieńcowa, leki wazopresyjne, migotanie komór, migotanie przedsionków, nadciśnienie płucne, nagła śmierć sercowa, niestabilność hemodynamiczna, niewydolność krążeniowo-oddechowa, niewydolność serca, obrazowanie multimodalne, oddział intensywnej terapii, ostra dekompensacja, rezonans magnetyczny serca, sztuczna sieć neuronowa, tachyarytmia, tachykardia, tachykardia komorowa, tachykardia nadkomorowa, tachykardia przedsionkowa, tętnicze nadciśnienie płucne, wrodzona wada serca, wstrząs, wstrząs hipowolemiczny, wstrząs krwotoczny, zastoinowa niewydolność serca, zmienność częstości oddechów, zmienność rytmu serca - Leksykon chorób i schorzeń
Nagły zatrzymanie krążenia – Rokowania, prognozy i postęp choroby
Nagłe zatrzymanie krążenia (NZK) charakteryzuje się wysoką śmiertelnością, z przeżywalnością pozaszpitalnego zatrzymania krążenia (OHCA) na poziomie 5-10%. Kluczowa jest dokładna prognostyka neurologiczna, która pozwala na optymalizację opieki i decyzji terapeutycznych. Wewnątrzszpitalne zatrzymanie krążenia (IHCA) najlepiej prognozuje model GO-FAR (AUROC 0,78), natomiast w OHCA model SCARS wykorzystuje 5-10 zmiennych, w tym ROSC, wiek i rytm początkowy. Modele oparte na sztucznej inteligencji, takie jak sztuczne sieci neuronowe (ANN), osiągają wysoką skuteczność predykcyjną (AUC do 0,891), nawet przy ograniczonej liczbie zmiennych (wiek, czas do ROSC, rytm). Biomarkery, zwłaszcza neuronowo specyficzna enolaza (NSE) z progiem prognostycznym ≥33 μg/l, a także białko S-100B, odgrywają istotną rolę w ocenie rokowania. Elektroencefalografia (EEG) i somatosensoryczne potencjały wywołane (SSEP) dostarczają cennych informacji – brak fali N20 w SSEP jest silnym markerem złego rokowania (FPR 0%), natomiast obecność reaktywności EEG koreluje z lepszymi wynikami neurologicznymi.
elektroencefalografia, funkcjonalny rezonans magnetyczny, hipotermia terapeutyczna, łączność funkcjonalna, mioklonia, model prognostyczny, nagłe zatrzymanie krążenia, obrazowanie dyfuzyjne, odruch rogówkowy, powrót spontanicznego krążenia, pozaszpitalne zatrzymanie krążenia, resuscytacja krążeniowo-oddechowa, rezonans magnetyczny mózgu, sieć trybu domyślnego, skala Glasgow, somatosensoryczny potencjał wywołany, sztuczna inteligencja, sztuczna sieć neuronowa - Leksykon chorób i schorzeń
Nowotwór – Rokowania, prognozy i postęp choroby
Nowotwory stanowią istotną przyczynę chorobowości i śmiertelności globalnie, a precyzyjne prognozowanie przebiegu choroby jest kluczowe dla personalizacji terapii onkologicznej. Tradycyjne metody oparte na parametrach kliniczno-patologicznych, takich jak klasyfikacja TNM, grading, stan węzłów chłonnych, obecność przerzutów oraz ocena sprawności według skali WHO-PS (ECOG-PS), mają ograniczoną skuteczność prognostyczną. W ostatnich latach rozwój sztucznej inteligencji (AI), uczenia maszynowego (ML) i głębokiego uczenia (DL) umożliwił integrację danych klinicznych, genomowych, radiomicznych i histopatologicznych, co znacząco poprawia dokładność przewidywania przeżycia i odpowiedzi na leczenie. Modele DL, takie jak DNN, CNN, DBN, DRN oraz transformatory wizyjne (ViT), wykazują przewagę nad tradycyjnymi metodami, umożliwiając m.in. ocenę ryzyka nawrotu, wczesną diagnostykę oraz dobór optymalnej terapii. Przykłady biomarkerów molekularnych o znaczeniu prognostycznym to 70-genowa sygnatura w raku piersi oraz test Oncotype DX (21 genów), które pomagają w stratyfikacji ryzyka i decyzjach terapeutycznych, choć ich skuteczność może być ograniczona czasowo (np. do 5 lat w przypadku Oncotype DX). Obciążenie mutacyjne guza (TMB) jest istotnym wskaźnikiem u pacjentów poddawanych immunoterapii.
choroba nowotworowa, delecja 11q, dokumentacja medyczna, drzewo decyzyjne, głęboka sieć neuronowa, głębokie uczenie, glejak niższego stopnia, klasyfikacja TNM, konwolucyjna sieć neuronowa, maszyna wektorów nośnych, mutacja ATM, obciążenie mutacyjne guza, przerzut odległy, przewlekła białaczka limfocytowa, rak nadnercza, rak pęcherza moczowego, rak piersi, rak prostaty, rak szyjki macicy, rak trzustki, sekwencjonowanie DNA, skala WHO-PS, stopień zróżnicowania guza, sztuczna sieć neuronowa, terapia adjuwantowa, węzły chłonne - Leksykon chorób i schorzeń
Spektrum płodowego alkoholowego zaburzenia rozwoju – Rokowania, prognozy i postęp choroby
Spektrum Płodowego Alkoholowego Zaburzenia Rozwoju (FASD) to zespół zaburzeń neurorozwojowych wywołanych prenatalną ekspozycją na alkohol, charakteryzujący się trwałymi deficytami poznawczymi, behawioralnymi i społecznymi. Rokowanie w FASD jest zróżnicowane i zależy od stopnia nasilenia zaburzeń oraz obecności czynników ochronnych, takich jak wczesna diagnoza (przed 12. rokiem życia), stabilne i wspierające środowisko oraz szybka interwencja terapeutyczna. Wczesne rozpoznanie redukuje ryzyko wtórnych niepełnosprawności, problemów z uzależnieniami i konfliktów z prawem nawet 2-4 krotnie. Diagnostyka FASD jest utrudniona ze względu na brak charakterystycznych cech dysmorficznych u części pacjentów, co podkreśla potrzebę identyfikacji biomarkerów, takich jak estry etylowe kwasów tłuszczowych w mekonium, glukuronid etylu w łożysku, fosfatydyloetanol we krwi noworodków oraz pozakomórkowe mikroRNA (exmiRNA), które korelują z ekspozycją na alkohol i predykcją funkcji poznawczych.
częściowy płodowy zespół alkoholowy, diagnostyka FASD, dysmorfizm twarzy, edukacja specjalna, ekspozycja prenatalna na alkohol, ekspresja mikroRNA, fosfatydyloetanol, funkcja wykonawcza, funkcjonowanie społeczne, interwencja terapeutyczna, konflikt z prawem, mikroRNA, nadużywanie substancji, pamięć wzrokowo-przestrzenna, płodowy zespół alkoholowy, ryzykowne zachowanie seksualne, spektrum płodowego alkoholowego zaburzenia rozwoju, sztuczna sieć neuronowa, wtórna niepełnosprawność, zaburzenia poznawcze, zaburzenie neuropsychologiczne, zaburzenie neurorozwojowe - Leksykon chorób i schorzeń
Toczeń – Rokowania, prognozy i postęp choroby
Toczeń rumieniowaty układowy (SLE) jest przewlekłą chorobą autoimmunologiczną, w której toczeniowe zapalenie nerek (LN) stanowi poważne powikłanie dotykające około 50% pacjentów, z ryzykiem rozwoju schyłkowej niewydolności nerek (ESRD) u 20%. Wczesna odpowiedź na leczenie, szczególnie spadek białkomoczu do ≤0,7 g/dzień w 12. miesiącu terapii, jest kluczowym prognostykiem korzystnego rokowania nerkowego. Biopsja nerki pozostaje złotym standardem diagnostycznym, umożliwiając ocenę wskaźników aktywności (AI) i przewlekłości (CI), co jest niezbędne do precyzyjnego dostosowania leczenia. Nowe biomarkery, takie jak niskie poziomy C3, wysokie stężenia VCAM-1, ALCAM, MCP-1 oraz EGF w moczu, a także cechy histopatologiczne jak włóknienie śródmiąższowe i atrofia cewek, mają istotne znaczenie prognostyczne. Zastosowanie zaawansowanych metod uczenia maszynowego, w tym sztucznych sieci neuronowych i algorytmu XGBoost, pozwala na precyzyjne przewidywanie remisji oraz ryzyka współzakażeń, co może wspierać indywidualizację terapii.
aminotransferaza alaninowa, białko chemotaktyczne monocytów, białkomocz, biopsja nerki, całkowita remisja, czynnik wzrostu naskórka, krwinkomocz, krwotok wewnątrzczaszkowy, naciek śródmiąższowy, niewydolność oddechowa, oddział intensywnej terapii, przeciwciała przeciw cytoplazmie neutrofilów, schyłkowa niewydolność nerek, sztuczna sieć neuronowa, toczeń rumieniowaty układowy, toczniowe zapalenie nerek, uszkodzenie narządów, włóknienie śródmiąższowe, wskaźnik aktywności, wstrząs, zakażenie wewnątrzczaszkowe, zanik cewek, zapalenie naczyń małych - Leksykon chorób i schorzeń
Urazy oczu – Rokowania, prognozy i postęp choroby
Urazy oczu, zwłaszcza otwartej gałki ocznej, stanowią poważne wyzwanie kliniczne ze względu na wysokie ryzyko długotrwałej niepełnosprawności wzrokowej. Kluczowymi czynnikami prognostycznymi są początkowa ostrość wzroku, obecność względnego dośrodkowego defektu źrenicznego (RAPD), mechanizm urazu, lokalizacja rany oraz powikłania takie jak zapalenie wnętrza gałki ocznej, odwarstwienie siatkówki i wielokrotne operacje. Modele prognostyczne, takie jak Ocular Trauma Score (OTS), wykorzystujące sześć zmiennych (m.in. początkową ostrość wzroku, RAPD, pęknięcie gałki ocznej, zapalenie wnętrza gałki ocznej, uraz perforujący, odwarstwienie siatkówki), umożliwiają realistyczne przewidywanie końcowej ostrości wzroku i wspierają decyzje terapeutyczne. W badaniach wykazano, że OTS przewyższa model CART pod względem dokładności prognostycznej, a nowoczesne metody uczenia maszynowego, takie jak sztuczne sieci neuronowe (ANN) czy model VisionGo, dodatkowo poprawiają precyzję prognozowania wyników po witrektomii u pacjentów z urazem otwartej gałki ocznej i brakiem poczucia światła (OGI-NLP). Dla populacji pediatrycznej opracowano dedykowane narzędzia prognostyczne, takie jak Toddlers Ocular Trauma Score (TOTS) i Pediatric Ocular Trauma Score (POTS), które wykazują wyższą skuteczność niż OTS w przewidywaniu wyników po urazach mechanicznych.
ciało obce wewnątrzgałkowe, Classification and Regression Tree, czerwony refleks, enukleacja, krwotok do ciała szklistego, krwotok do przedniej komory oka, model uczenia maszynowego, odwarstwienie naczyniówki, odwarstwienie siatkówki, ostrość wzroku, podwichnięcie soczewki, sztuczna sieć neuronowa, upośledzenie wzroku, uraz penetrujący, uraz perforujący, witrektomia, zaćma pourazowa, zapalenie ciała szklistego, zapalenie wnętrza gałki ocznej - Leksykon chorób i schorzeń
Wodogłowie – Rokowania, prognozy i postęp choroby
Prognozowanie wyników leczenia wodogłowia, zarówno nabytego niemowlęcego, jak i normotensyjnego (NPH), wymaga uwzględnienia wielu czynników klinicznych i diagnostycznych. W przypadku wodogłowia niemowlęcego kluczowe znaczenie mają etiologia, czas interwencji chirurgicznej (≤13 dni jako czynnik korzystny) oraz stopień poszerzenia układu komorowego. Wodogłowie pokrwotoczne (PHH) wykazuje relatywnie lepsze rokowanie, z wyjątkiem przypadków łączących wcześniactwo, krwawienie i zapalenie opon mózgowo-rdzeniowych. Opóźnienie interwencji powyżej 13 dni wiąże się z gorszym rokowaniem (czułość 0,77, swoistość 0,72). W NPH istotne czynniki prognostyczne to m.in. wiek pacjenta, czas trwania choroby (≤1 rok), stopień otępienia, rodzaj zastawki (np. Miethke-Dual-Switch) oraz opór odpływu płynu mózgowo-rdzeniowego powyżej 20 mmHg/ml/min. Mediana przeżycia po leczeniu zastawką komorowo-otrzewnową wynosi 8,82 lat (95% CI: 8,23–9,40), a istotne predyktory śmiertelności to zaburzenia chodu (HR=2,25), trzymania moczu (HR=1,66) oraz wynik w zmodyfikowanej skali Rankina (HR=2,21), wszystkie z p<0,001.
algorytm Adaboost, atrofia mózgu, biomarker płynu mózgowo-rdzeniowego, czynnik ryzyka naczyniowego, elastografia rezonansu magnetycznego, endoskopowa wentrikulostomia trzeciej komory, idiopatyczne wodogłowie normotensyjne, interwencja chirurgiczna, krwawienie wewnątrzczaszkowe, nietrzymanie moczu, otępienie, płyn mózgowo-rdzeniowy, poszerzenie komór mózgowych, poszerzenie układu komorowego, regresja logistyczna, skala Rankina, sztuczna sieć neuronowa, ultrasonografia przezczaszkowa, wodogłowie, wodogłowie normotensyjne, wodogłowie pokrwotoczne, zaburzenie chodu, zaburzenie poznawcze, zaburzenie rozwojowe, zapalenie opon mózgowo-rdzeniowych, zastawka komorowo-otrzewnowa - Leksykon chorób i schorzeń
Tachykardia komorowa – Rokowania, prognozy i postęp choroby
Tachykardia komorowa (VT) stanowi poważne zagrożenie życia, będąc przyczyną około 80% przypadków nagłej śmierci sercowej (SCD), która rocznie powoduje ponad 300 000 zgonów w USA. Wczesne przewidywanie epizodów VT jest kluczowe dla zmniejszenia śmiertelności, jednak tradycyjne metody stratyfikacji ryzyka oparte na statycznych pomiarach nie uwzględniają dynamicznych interakcji między substratem arytmogennym a czynnikami wyzwalającymi. Modele predykcyjne wykorzystujące 24-godzinne monitorowanie elektrycznej czynności serca, takie jak mobilna telemetria kardiologiczna (MCT), wykazują wysoką wartość predykcyjną – w najwyższym kwintylu ryzyka około 20% pacjentów doświadcza epizodu VT trwającego ≥10 pobudzeń w ciągu 29 dni, a w najniższym kwintylu wartość predykcyjna ujemna wynosi 98%.
arytmia komorowa, asystolia, kardiowerter-defibrylator, krzywa ROC, migotanie komór, nagła śmierć sercowa, niedociśnienie, pole pod krzywą ROC, substrat arytmogenny, sztuczna sieć neuronowa, tachyarytmia, tachyarytmia komorowa, tachykardia komorowa, uczenie maszynowe, wartość predykcyjna ujemna, zaburzenia rytmu serca, zapis EKG, złośliwa arytmia komorowa, zmienność częstości oddechów, zmienność rytmu serca