Τεχνητή Νοημοσύνη: Πώς μερικές σταγόνες αίμα προβλέπουν το μέλλον των πρόωρων νεογνών
Μια επαναστατική προσέγγιση στον τομέα της νεογνολογίας έρχεται να ανατρέψει τα δεδομένα για την φροντίδα των πρόωρων βρεφών. Ερευνητές από την Ιατρική Σχολή του Πανεπιστημίου Στάνφορντ (Stanford Medicine) ανέπτυξαν έναν αλγόριθμο τεχνητής νοημοσύνης (AI) που μπορεί να προβλέψει την πορεία της υγείας των πρόωρων νεογνών με εντυπωσιακή ακρίβεια, αναλύοντας απλώς δείγματα αίματος που συλλέγονται λίγο μετά τη γέννηση.
Η μελέτη, η οποία δημοσιεύθηκε στις 21 Ιανουαρίου 2026 στο επιστημονικό περιοδικό Science Translational Medicine, υπόσχεται να αλλάξει ριζικά τον τρόπο με τον οποίο οι γιατροί αντιλαμβάνονται και αντιμετωπίζουν την πρόωρη γέννηση, μετατοπίζοντας το ενδιαφέρον από τη γενική κατηγοριοποίηση στην εξατομικευμένη ιατρική.
Πέρα από το βάρος και την ηλικία κύησης
Μέχρι σήμερα, η ιατρική κοινότητα βασιζόταν κυρίως σε δύο παράγοντες για να εκτιμήσει την πορεία ενός πρόωρου μωρού: την εβδομάδα κύησης κατά τη γέννηση και το σωματικό βάρος. Ωστόσο, η κλινική πράξη δείχνει ότι αυτά τα στοιχεία δεν λένε όλη την αλήθεια. Δύο βρέφη που γεννιούνται την ίδια ακριβώς εβδομάδα και με το ίδιο βάρος μπορεί να έχουν εντελώς διαφορετικές εξελίξεις; το ένα να εμφανίσει σοβαρές επιπλοκές και το άλλο να παραμείνει απολύτως υγιές.
Αυτό το "κενό" στην πρόγνωση έρχεται να καλύψει η νέα μελέτη. Όπως εξηγεί ο Nima Aghaeepour, καθηγητής Παιδιατρικής και Βιοϊατρικής Επιστήμης Δεδομένων στο Στάνφορντ και συν-επικεφαλής της έρευνας, δεν μπορούμε πλέον να βάζουμε όλα τα πρόωρα μωρά στο ίδιο "τσουβάλι". Ο στόχος είναι να δημιουργηθεί ένας νέος ορισμός της προωρότητας, ο οποίος δεν θα βασίζεται μόνο στο πότε γεννήθηκε το παιδί, αλλά στο ποια είναι η βιολογική του κατάσταση και ποιες είναι οι πιθανές εκβάσεις της υγείας του.
Ο ρόλος του «κρυμμένου» μεταβολικού προφίλ
Η ερευνητική ομάδα αξιοποίησε έναν θησαυρό δεδομένων που προέρχεται από μια διαδικασία ρουτίνας: τον προληπτικό έλεγχο νεογνών. Κάθε μωρό, αμέσως μετά τη γέννηση, δίνει δείγμα αίματος (με τσίμπημα στη φτέρνα) για τον έλεγχο σπάνιων μεταβολικών νοσημάτων. Οι επιστήμονες ανέλυσαν τέτοια δείγματα από περισσότερα από 13.000 πρόωρα βρέφη που γεννήθηκαν στην Καλιφόρνια μεταξύ 2005 και 2010, εστιάζοντας σε εκείνα που γεννήθηκαν τουλάχιστον 10 εβδομάδες νωρίτερα από την αναμενόμενη ημερομηνία.
Ο αλγόριθμος AI «εκπαιδεύτηκε» να εντοπίζει μοτίβα σε μόρια που σχετίζονται με τον μεταβολισμό, όπως επίπεδα αμινοξέων και προϊόντα διάσπασης λιπών. Συνδυάζοντας έξι συγκεκριμένους βιοδείκτες αίματος με κλινικά δεδομένα (όπως το σκορ Apgar, το φύλο και το βάρος γέννησης), το μοντέλο κατάφερε να προβλέψει με ακρίβεια άνω του 85% την εμφάνιση των τεσσάρων κυριότερων επιπλοκών της προωρότητας:
- Νεκρωτική εντεροκολίτιδα: Μια σοβαρή φλεγμονή του εντέρου.
- Αμφιβληστροειδοπάθεια της προωρότητας: Πάθηση των ματιών που μπορεί να οδηγήσει σε τύφλωση.
- Βρογχοπνευμονική δυσπλασία: Χρόνια πάθηση των πνευμόνων.
- Ενδοκοιλιακή αιμορραγία: Αιμορραγία στον εγκέφαλο.
Για να επιβεβαιώσουν την αξιοπιστία του αλγορίθμου, οι ερευνητές τον δοκίμασαν σε μια ξεχωριστή ομάδα 3.299 πρόωρων βρεφών από το Οντάριο του Καναδά, με εξίσου επιτυχημένα αποτελέσματα.
Ανοίγοντας το «μαύρο κουτί» της βιολογίας
Η σημασία της ανακάλυψης δεν περιορίζεται μόνο στην πρόβλεψη, αλλά προσφέρει στους επιστήμονες μια πρωτόγνωρη ματιά στους βιολογικούς μηχανισμούς που οδηγούν σε αυτές τις επιπλοκές. Ο David Stevenson, καθηγητής Παιδιατρικής στο Στάνφορντ και συν-συγγραφέας της μελέτης, παρομοιάζει την κατάσταση με το να κοιτάμε «κάτω από το καπό» μιας μηχανής. Μέχρι τώρα γνωρίζαμε ότι ορισμένοι παράγοντες συνδέονται με κινδύνους, αλλά δεν ξέραμε το γιατί. Τώρα, παρατηρώντας τις μεταβολικές διαδρομές, οι γιατροί μπορούν να κατανοήσουν τι ακριβώς πηγαίνει στραβά σε κυτταρικό επίπεδο.
Αυτό ανοίγει τον δρόμο για έγκαιρες παρεμβάσεις. Αν οι γιατροί γνωρίζουν εκ των προτέρων ότι ένα συγκεκριμένο βρέφος διατρέχει υψηλό κίνδυνο για εντερική βλάβη ή πνευμονική ανεπάρκεια, μπορούν να προσαρμόσουν τη θεραπεία πριν εκδηλωθεί πλήρως το πρόβλημα. Επιπλέον, η γνώση αυτή είναι πολύτιμη για τη λήψη αποφάσεων σχετικά με τη μεταφορά νεογνών σε εξειδικευμένες Μονάδες Εντατικής Νοσηλείας (ΜΕΝΝ), αλλά και για την ενημέρωση των γονέων με πιο συγκεκριμένα και αξιόπιστα δεδομένα για το μέλλον του παιδιού τους.
Το μέλλον της νεογνικής φροντίδας
Η ομάδα του Στάνφορντ σκοπεύει να εμπλουτίσει το μοντέλο τεχνητής νοημοσύνης με ακόμα περισσότερα δεδομένα, συμπεριλαμβανομένων πληροφοριών από το ιστορικό της κύησης της μητέρας και ηλεκτρονικούς φακέλους υγείας. Στόχος είναι η δημιουργία μιας νέας «ταξινομίας» της προωρότητας, που θα επιτρέπει στους ειδικούς να βλέπουν καθαρά την πορεία της υγείας κάθε παιδιού ξεχωριστά.
Η προοπτική είναι τεράστια. Όπως χαρακτηριστικά αναφέρει ο καθηγητής Aghaeepour, κάθε πρόωρο μωρό που σώζεται ή γλιτώνει από σοβαρές αναπηρίες, κερδίζει μια ολόκληρη ζωή υγιών ετών. Η τεχνητή νοημοσύνη, σε αυτή την περίπτωση, δεν αποτελεί απλώς ένα τεχνολογικό εργαλείο, αλλά έναν σύμμαχο ζωής για τους πιο ευάλωτους ασθενείς του συστήματος υγείας.
