Ο πραγματικός αριθμός των ασθενών με μακροχρόνιο κορονοϊό ενδέχεται να είναι διπλάσιος από ό,τι γνωρίζαμε μέχρι σήμερα, σύμφωνα με νέα έρευνα που δημοσιεύθηκε στο επιστημονικό περιοδικό «JAMA Network Open». Η μελέτη, με επικεφαλής το αμερικανικό υγειονομικό σύστημα Mass General Brigham, χρησιμοποίησε τεχνητή νοημοσύνη για να αναλύσει εκατοντάδες χιλιάδες ιατρικά αρχεία και κατέληξε σε ανησυχητικά συμπεράσματα. Τα ευρήματα αποκαλύπτουν ότι εκατομμύρια άνθρωποι με long Covid παραμένουν εντελώς αόρατοι στα επίσημα συστήματα παρακολούθησης της υγείας.
Τι έδειξε η έρευνα
Οι ερευνητές του Mass General Brigham ανέπτυξαν έναν νέο αλγόριθμο Τεχνητής Νοημοσύνης και τον χρησιμοποίησαν για να αναλύσουν ιατρικά αρχεία σχεδόν 460.000 ασθενών που είχαν προηγουμένως διαγνωστεί θετικοί στον COVID-19. Τα δεδομένα προέρχονταν από 58 νοσοκομεία σε τέσσερις διαφορετικές περιοχές των ΗΠΑ, προσφέροντας έτσι μια ευρεία γεωγραφική κάλυψη. Από την ανάλυση προέκυψε ότι περίπου ένας στους έξι ασθενείς, δηλαδή σχεδόν το 16%, εμφάνισε long Covid. Τα ποσοστά κυμαίνονταν από 13,6% έως 22,7% ανάλογα με την περιοχή, αποτυπώνοντας σημαντικές γεωγραφικές διαφορές.
Αυτά τα ποσοστά αντιστοιχούν σε περισσότερους από 18 εκατομμύρια Αμερικανούς και είναι διπλάσια σε σχέση με τις επίσημες εκτιμήσεις που κυκλοφορούσαν έως τώρα. Παράλληλα, η ίδια μελέτη διαπίστωσε ότι το 14,5% των ασθενών που νόσησαν από κορονοϊό ανέπτυξαν χρόνιες παθήσεις που απαιτούν συνεχή ιατρική παρακολούθηση. Ανάμεσα στις πιθανές μακροχρόνιες επιπλοκές συγκαταλέγεται πλέον και ο προδιαβήτης, μια κατάσταση που εντοπίστηκε με διαφορετικά ποσοστά σε όλες τις περιοχές που μελετήθηκαν. Τα ευρήματα δημοσιεύθηκαν στο «JAMA Network Open», ένα από τα πλέον έγκυρα ιατρικά περιοδικά παγκοσμίως.
Ιδιαίτερα σημαντική είναι η διαπίστωση ότι τα υπάρχοντα διαγνωστικά συστήματα αποτυγχάνουν να καταγράψουν την πραγματική έκταση του προβλήματος. Σύμφωνα με τη μελέτη, οι διαγνωστικοί κωδικοί που χρησιμοποιούν τα συστήματα υγείας καταγράφουν λιγότερο από το 7% των ασθενών με long Covid. Αυτό σημαίνει ότι η συντριπτική πλειοψηφία των περιπτώσεων δεν εντοπίζεται και δεν παρακολουθείται από τις αρμόδιες αρχές, δημιουργώντας ένα τεράστιο κενό στις επίσημες στατιστικές.
Αντιδράσεις και πλαίσιο
Ο κύριος συγγραφέας της μελέτης, Χοσεΐν Εστιρί από το Τμήμα Ιατρικής του Mass General Brigham, υπογράμμισε τη σοβαρότητα των ευρημάτων. «Πάνω από δέκα εκατομμύρια άτομα με long Covid θα παρέμεναν εντελώς απαρατήρητα με βάση τον διαγνωστικό κωδικό που χρησιμοποιούν τα συστήματα υγείας και οι υπεύθυνοι χάραξης πολιτικής για να παρακολουθούν το φορτίο της νόσου», δήλωσε χαρακτηριστικά. Ο ίδιος πρόσθεσε ότι «τα στοιχεία που εντοπίσαμε είναι σχεδόν σίγουρα υποεκτιμημένα», υποδηλώνοντας ότι η πραγματική εικόνα μπορεί να είναι ακόμα πιο δυσοίωνη. Η δήλωση αυτή ανοίγει ένα σοβαρό ζήτημα για την αξιοπιστία των δεδομένων που χρησιμοποιούν οι κυβερνήσεις για τη χάραξη πολιτικής υγείας.
Η έρευνα ρίχνει επίσης νέο φως στη διάρκεια του προβλήματος. Σε αντίθεση με την αντίληψη ότι το long Covid αποτελεί κυρίως «κληρονομιά» των πρώτων κυμάτων της πανδημίας, οι ερευνητές διαπίστωσαν ότι η συνολική συχνότητα εμφάνισής του συνεχίζει να αυξάνεται σε όλες τις περιοχές που μελετήθηκαν. Αυτό σημαίνει ότι ο ιός εξακολουθεί να λειτουργεί ως παράγοντας πρόκλησης νέων χρόνιων προβλημάτων υγείας, επηρεάζοντας διαφορετικά συστήματα του οργανισμού. Η παρατήρηση αυτή αμφισβητεί τις αισιόδοξες εκτιμήσεις ότι η πανδημία άφησε πίσω της τις χειρότερες μακροχρόνιες επιπτώσεις της.
Οι ερευνητές τονίζουν ότι ο νέος αλγόριθμος Τεχνητής Νοημοσύνης που ανέπτυξαν μπορεί να αποτελέσει εργαλείο για καλύτερη παρακολούθηση του long Covid στο μέλλον. Η χρήση της τεχνητής νοημοσύνης για ανάλυση ιατρικών αρχείων επέτρεψε την ανίχνευση μοτίβων που διαφεύγουν τους παραδοσιακούς διαγνωστικούς κωδικούς. Η μεθοδολογία αυτή θα μπορούσε να εφαρμοστεί ευρύτερα, τόσο για τον long Covid όσο και για άλλες χρόνιες παθήσεις που υποδιαγιγνώσκονται στα συστήματα υγείας παγκοσμίως.
Τι ακολουθεί
Τα ευρήματα της μελέτης εγείρουν άμεσα ερωτήματα για την ανάγκη αναθεώρησης των συστημάτων παρακολούθησης του long Covid διεθνώς. Τα υπάρχοντα εργαλεία επιτήρησης, βασισμένα σε διαγνωστικούς κωδικούς, αποδεικνύονται ανεπαρκή για την αποτύπωση της πραγματικής κλίμακας του προβλήματος. Η ενσωμάτωση αλγορίθμων τεχνητής νοημοσύνης στην ανάλυση ιατρικών δεδομένων φαίνεται να αποτελεί έναν υποσχόμενο δρόμο για πιο ακριβή εκτίμηση της επιβάρυνσης στα συστήματα υγείας. Οι ερευνητές του Mass General Brigham σημειώνουν ότι τα ευρήματα αυτά έχουν άμεσες συνέπειες για την κατανομή πόρων και τη χάραξη πολιτικής στον τομέα της δημόσιας υγείας.
