Seneffekter av covid-19 fortsetter å påvirke mange mennesker og kan være ødeleggende.
I en ny studie, ved bruk av kunstig intelligens, fant forskere fra Statens Serum Institut (SSI) at spesielt enkelte personer hadde økt risiko for å utvikle seneffekter etter en infeksjon med covid-19, og at kombinasjonen av eksisterende helseproblemer og andre individuelle forskjeller påvirker risikoen betydelig.
Det skriver SSI i en pressemeddelelse.
«Vi kan se at det er betydelige forskjeller i hvor sårbare deltakerne er, og at personer der flere faktorer gjør seg gjeldende samtidig er mer sårbare. For eksempel har kvinner over 35 år med astma og kvinner med høy BMI og depresjon en økt risiko på 10 prosent. De som er minst utsatt er 15-25-åringene og menn uten depresjon eller overvekt, hvor risikoen bare økes med én prosent eller mindre», sier professor Anders Hviid, som er instituttleder ved SSI og har stått bak studien.
Studien er basert på data fra tidlig i pandemien, med de tidlige variantene og uten vaksiner. Bildet av de utsatte gruppene kan derfor se annerledes ut i dag, men selve metoden som forskerne har brukt gir nye muligheter innen forskning.
Tradisjonelle statistiske metoder krever at forskeren på forhånd definerer undergruppene som skal analyseres, noe som ikke er hensiktsmessig i en situasjon med begrenset forkunnskap om hvilke undergrupper som har særlig risiko for å utvikle seneffekter etter covid-19
I denne studien har forskerne benyttet seg av kunstig intelligens og en metode som kalles «causal forest», og med den kan nye og komplekse mønstre identifiseres i data.
Dette betyr at algoritmen kan inkludere mange faktorer samtidig og ta hensyn til eventuelle komplekse sammenhenger mellom faktorene. Dette gjør det lettere å oppdage de sårbare gruppene i et stort datasett.
«I vår forskning må vi bli flinkere til å ta hensyn til at mennesker er forskjellige. Det er avgjørende for at mennesker til syvende og sist får best mulig forebygging og behandling i det danske helsevesenet. Her kan kunstig intelligens hjelpe oss å se gjennom komplekse relasjoner i helsedataene våre.» sier professor Anders Hviid.
