Krevní test pozná typ mrtvice dřív než CT. A lze to zvládnout i v sanitce

Tento text vyšel původně v newsletteru Dr. Lasso, který každý týden přináší novinky ze světa medicíny, inspirativní rozhovory a přehled nejzajímavějších výzkumů. Přihlásit se můžete na www.drlasso.com.

Diagnostika cévní mozkové příhody je stále závodem s časem, kde každá minuta může znamenat rozdíl mezi samostatným životem a trvalým postižením. Dlouhodobým problémem zůstává rychlé a spolehlivé odlišení ischemické a hemoragické mrtvice ještě před tím, než pacient podstoupí CT nebo MRI. Tato informace je přitom zcela zásadní, protože ischemická mrtvice může být léčena trombolýzou, zatímco u hemoragické by takový zásah mohl mít fatální následky.

Nedávno publikovaná studie v časopise Stroke přináší inovativní přístup k tomuto klinickému dilematu. Výzkumný tým testoval možnost identifikace typu mrtvice pomocí kombinace krevních biomarkerů a algoritmu strojového učení. Studie se zaměřila na 138 dospělých pacientů, kteří byli urgentně přijati s podezřením na cévní mozkovou příhodu. Z jejich krevních vzorků bylo analyzováno deset proteinových biomarkerů, které reflektují různé patofyziologické procesy v mozku, jako je neurozánět, narušení hematoencefalické bariéry či přítomnost intracerebrálního krvácení. Mezi sledované markery patřily například GFAP (glial fibrillary acidic protein), MMP-9 (matrix metalloproteinase-9) nebo von Willebrandův faktor.

Tyto biochemické údaje byly následně kombinovány s klinickými parametry, jako je věk pacienta, krevní tlak, hladina glukózy a skóre vědomí podle Glasgow Coma Scale. Celková data byla zpracována pomocí algoritmu strojového učení, jehož cílem bylo co nejpřesněji predikovat typ mrtvice ještě před výsledky z CT. Výsledný model dosáhl 90% přesnosti v rozlišení ischemické a hemoragické CMP, přičemž největší senzitivita byla pozorována právě u hemoragických případů. Ty jsou přitom v rámci urgentní péče méně časté, ale o to závažnější a časově kritičtější.

Zásadním přínosem této metody by bylo její využití v prehospitálním prostředí, například v sanitkách. Pokud by byl krevní test proveditelný přímo v terénu a algoritmus dostupný v rámci mobilního zdravotnického vybavení, mohl by zásadně zrychlit rozhodování o dalším směrování pacienta, například přímo na neurochirurgii nebo do specializovaného iktového centra. To by mohlo významně zlepšit časovou osu „door-to-needle“ nebo dokonce „scene-to-needle“, tedy dobu od prvního kontaktu se záchrannou službou do zahájení léčby.

Je však nutné zmínit i limity této studie. Jednalo se o retrospektivní analýzu, provedenou na relativně malém vzorku pacientů. Výsledky sice působí velmi nadějně, ale nebyly zatím ověřeny v prospektivním klinickém prostředí. Autoři studie sami upozorňují na nutnost dalšího výzkumu a plánují ověřit svůj přístup ve větším měřítku, ideálně přímo při zásazích záchranné služby. Teprve tehdy bude možné seriózně uvažovat o integraci této technologie do reálné klinické praxe.

Z pohledu urgentní medicíny a neurověd jde o velmi slibný směr vývoje. Spojení dat z biologie, kliniky a strojového učení se stává stále častějším nástrojem moderní diagnostiky. Přestože jsme ještě na začátku cesty, tento přístup představuje potenciální přelom v péči o pacienty s cévní mozkovou příhodou. Otázkou zůstává, zda systém dokáže takový nástroj přijmout, implementovat a zároveň zajistit jeho spolehlivost v podmínkách reálného provozu.

Kombinace krevních biomarkerů a umělé inteligence by mohla zásadně zkrátit dobu do stanovení diagnózy mrtvice, tedy přesně tam, kde dnes ztrácíme nejvíc času. Pokud se tato technologie osvědčí i mimo laboratorní prostředí, může jít o reálný posun směrem k datově řízené, personalizované urgentní medicíně. Podmínkou však zůstává její důkladné ověření v prospektivních studiích a schopnost zdravotnických systémů tento nástroj přijmout. Zatím je technologie pouze v testovací fázi a její klinické nasazení je otázkou několika let. Ale směr je jasný, rozhodovat by neměla intuice, ale kvalitní data.

Zdroj: https://newsroom.heart.org/news/blood-test-may-detect-stroke-type-before-hospital-arrival-allowing-faster-treatment