Az Ai|Life OKOSLELET egy forradalmian új fejlesztés, mely *mesterséges intelligencia segítségével 14 betegségcsoport meglétének kockázatát képes megbecsülni egyetlen vérvétel eredményéből. Az így kiállított OKOSLELET a hagyományos vérvizsgálati leleten megtalálható adatokon túl tájékoztatást nyújt az eltérő értékek lehetséges okairól és a kockázatos betegségekről – becsült valószínűséggel. Hogyan? Az OKOSLELET mögött álló *mesterséges intelligencia több százezer más beteg százmilliós nagyságrendű adatát és az Ön adatait, valamint az adatok közötti mintázatokat összevetve végzi el az egyes betegségek kockázatának elemzését. * Az OKOSLELET nagy egészségügyi adattömegekre épülő gépi tanulás megközelítés, mely az Európai Unió Brüsszelben, 2018.12.07-én elfogadott COM(2018) 795 számú stratégiájának 2.5 pontja és második bekezdése alapján a mesterséges intelligencia egyik típusának tekinthető. Ilyen módon olyan betegségekre is fény derülhet, amelyek még nem okoznak panaszokat és nem látszanak egyértelműen a referenciaértékektől való eltérésekből. A kezelőorvos számára irányadó lehet az OKOSLELET, ami olyan betegségekre, illetve egészségügyi kockázatokra is ráirányíthatja a figyelmet, amit csak később diagnosztizáltak volna vagy fel sem fedeznek. Rendszeres szűrővizsgálatok mellett, potenciálisan még idejekorán, a kezdeti stádiumban fedezhető fel a kór, ennek köszönhetően a páciens jobb kezelési kilátásokkal indulhat el a gyógyulás útján.
Az Ai|Life Okoslelet egy bioinformatikai projekt, amelyben magas szintű egészségügyi, informatikai és matematikai tudással rendelkező szakemberek dolgoznak. Számos egyetemi kutatómunkához járul hozzá és viszont: az együttműködés segíti a modell tökéletesítését, amely, ahogy egyre több valós beteg adataival bővül, egyre pontosabb becslést lesz képes adni, és lehetőség nyílik bővíteni más betegségcsoportokkal is. A szoftver működésének három fő lépése:
1. Elsőként az elvégzett laborvizsgálatok eredményeit összetett matematikai műveleteken keresztül feldolgozza.
2. Ezután annak a mesterséges intelligenciának továbbítja, amely nagyszámú matematikai-statisztikai modell segítségével több százezer tényleges beteg hasonló laborlelete alapján egészségügyi kockázatokra utaló mintázatokat keres.
3. Végül, az így kinyert mintázatok alapján a számítógép a modellek között konszenzusos döntést hoz és kiszámítja a vizsgált betegségcsoportok páciensre vonatkozó összegzett kockázati valószínűségét. Mindezt az OKOSLELET közérthető formában tartalmazza a hagyományos leletből származó adatok mellett.
A szoftver tehát nem a szakorvosi gondolatmenetet követve dönt, hanem mintázatokat keresve, összehasonlítás alapján végez becslést. Így olyan betegségeket is felismerhet, amelyek csupán a referenciaértékektől való eltérésből nem merülnének fel - ugyanakkor jelenleg kizárólag az Ön aktuális vérvizsgálati eredményeit veszi figyelembe, a kórelőzményét, más vizsgálati eredményeit, illetve életmódbeli vagy környezeti tényezőket nem, amelyek a pontos diagnózishoz elengedhetetlenek.
Azon dolgozunk, hogy a jövőben ezek az adatok is integrálva legyenek a betegség kockázatok elemzésébe.
Javasoljuk, hogy az OKOSLELET eredményét minden esetben beszélje meg kezelőorvosával vagy szakorvosával! A SYNLAB laborvizsgálat utáni online konzultációjára ezen a linken keresztül tud időpontot foglalni:
https://synlab.hu/vizsgalat-utani-szakertoi-konzultacio/
Az OKOSLELET az alábbi 14 betegségcsoport meglétének kockázatát képes megbecsülni. Az OKOSLELET diagnosztikai kockázatbecslése a jelenlegi állapotában főként krónikus és sokszor nehezen diagnosztizálható betegségcsoportokra, illetve kórképekre van optimalizálva, de képes becslést végezni akut, gyors lefolyású kórképek (pl. akut májbetegségek) meglétét illetően is.
Az OKOSLELET a daganatos betegségek kockázatát kizárólag a daganatos betegségcsoport vizsgálatánál becsüli az OKOSLELET “Prémium” kockázatbecslő csomagban, a többi csomagban nem. A prémium csomag megrendelése ezen a linken érhető el: https://synlab.hu/okoslelet-premium-kockazatbecslo-csomag/
Az OKOSLELET elérhető a SYNLAB Hungary vérvételi helyein az alábbi csomagajánlatokban:
Laborvizsgálatok | Típus | BASIC | PREMIUM | EXTRA |
Fehérvérsejt szám (WBC) | Vérkép | |||
Vörösvértest szám (RBC) | Vérkép | |||
Hemoglobin (Hgb) | Vérkép | |||
Hematokrit (Hct) | Vérkép | |||
MCV | Vérkép | |||
MCH | Vérkép | |||
MCHC | Vérkép | |||
Thrombocitaszám (PLT) | Vérkép | |||
Red Cell Distribution Width% (RDW) | Vérkép | |||
Mean Platelet Volume (MPV) | Vérkép | |||
Neutrofil granulocita (%) | Vérkép | |||
Limfocita (%) | Vérkép | |||
Monocita (%) | Vérkép | |||
Eozinofil granulocita (%) | Vérkép | |||
Bazofil granulocita (%) | Vérkép | |||
Neutrofil granulocita (#) | Vérkép | |||
Limfocita (#) | Vérkép | |||
Monocita (#) | Vérkép | |||
Eozinofil granulocita (#) | Vérkép | |||
Bazofil granulocita (#) | Vérkép | |||
Alanin-aminotranszferáz (GPT / ALT) | Enzim | |||
Albumin | Fehérje anyagcsere | |||
Alkalikus foszfatáz (ALP) | Enzim | |||
Aszpartát-aminotranszferáz (GOT / AST) | Enzim | |||
Gamma-glutamiltranszferáz (GGT) | Enzim | |||
Glükóz (vércukor) | Szénhidrát anyagcsere | |||
LDL-koleszterin | Vérzsír | |||
Húgysav | Anyagcsere bomlástermék | |||
Kálcium | Ion | |||
Kálium (K) | Ion | |||
Koleszterin | Vérzsír | |||
Kreatinin + eGFR | Veseműködés | |||
Nátrium (Na) | Ion | |||
Totál bilirubin | Fehérje anyagcsere | |||
Direkt bilirubin | Anyagcsere bomlástermék | |||
Transzferrin | Vasanyagcsere | |||
Transzferrin szaturáció | Vasanyagcsere | |||
Triglicerid | Vérzsír | |||
sTSH | Hormon | |||
Vas | Vasanyagcsere | |||
Urea (Karbamid) | Veseműködés | |||
Totál protein | Fehérje anyagcsere | |||
C-rekatív protein | Gyulladást jelző vizsgálat | |||
Amiláz | Enzim | |||
Ferritin | Vasanyagcsere | |||
Fibrinogén | Fehérje anyagcsere | |||
Foszfát | Ion | |||
Kreatininkináz (CK) | Enzim | |||
HDL-koleszterin | Vérzsír | |||
Lipáz | Enzim | |||
Klorid | Ion | |||
Pszeudokolineszteráz (CHE) | Enzim | |||
LDH | Enzim | |||
Magnézium | Ion | |||
Vérsüllyedés | Gyulladást jelző vizsgálat | |||
Fruktózamin | Szénhidrát anyagcsere | |||
Reticulocita (%) | Vérkép | |||
Reticulocita (#) | Vérkép | |||
Daganatos és ritka betegségek becslései | ||||
Számítógéppel generált egyedi OKOSLELET |
Legújabb csomagunk, a Ai|Life OKOSLELET PAJZSMIRIGY BÁZIS célzottan a pajzsmirigy betegségek kockázatának felismerésére és elemzésére lett fejlesztve.
A pajzsmirigybetegségek egyre gyakrabban fordulnak elő hazánkban és sokszor fokozatosan alakulnak ki, kezdetben csak enyhe tüneteket okozva.
Emiatt a PAJZSMIRIGY Ai|Life OKOSLELET kiváló választás lehet, hiszen az egyes pajzsmirigy betegségeket akár még a tünetek kialakulása előtt képes felismerni:
Az OKOSLELET elérhető a SYNLAB Hungary vérvételi helyein az alábbi csomagajánlatokban:
Laborvizsgálatok | Típus | BASIC | EXTRA | PRÉMIUM |
Fehérvérsejt szám (WBC) | Vérkép | |||
Vörösvértest szám (RBC) | Vérkép | |||
Hemoglobin (Hgb) | Vérkép | |||
Hematokrit (Hct) | Vérkép | |||
MCV | Vérkép | |||
MCH | Vérkép | |||
MCHC | Vérkép | |||
Thrombocitaszám (PLT) | Vérkép | |||
Red Cell Distribution Width% (RDW) | Vérkép | |||
Mean Platelet Volume (MPV) | Vérkép | |||
Neutrofil granulocita (%) | Vérkép | |||
Limfocita (%) | Vérkép | |||
Monocita (%) | Vérkép | |||
Eozinofil granulocita (%) | Vérkép | |||
Bazofil granulocita (%) | Vérkép | |||
Neutrofil granulocita (#) | Vérkép | |||
Limfocita (#) | Vérkép | |||
Monocita (#) | Vérkép | |||
Eozinofil granulocita (#) | Vérkép | |||
Bazofil granulocita (#) | Vérkép | |||
Kálcium (tCa) | Vérkép | |||
TSH szuperszenzitiv (sTSH) | Hormon | |||
Szabad T3 (fT3) | Hormon | |||
Szabad T4 (fT4) | Hormon | |||
Foszfát | Ion | |||
Glükóz (éhgyomri) | Szénhidrát anyagcsere | |||
Urea (Karbamid) | Veseműködés | |||
Kreatinin (Crea) | Veseműködés | |||
eGFR-EPI | Veseműködés | |||
Húgysav | Anyagcsere bomlástermék | |||
Nátrium | Ion | |||
Kálium | Ion | |||
Klorid | Ion | |||
Magnézium | Ion | |||
Totál protein | Fehérje anyagcsere | |||
Albumin | Fehérje anyagcsere | |||
C-reaktív protein | Gyulladást jelző vizsgálat | |||
Vas | Vasanyagcsere | |||
Transzferrin (Trf) | Vasanyagcsere | |||
Transzferrin szaturáció | Vasanyagcsere | |||
Koleszterin | Vérzsír | |||
Triglicerid (Tg) | Vérzsír | |||
HDL-koleszterin (HDL-C) | Vérzsír | |||
LDL-koleszterin (LDL-C) | Vérzsír | |||
Totál bilirubin (tBil) | Anyagcsere bomlástermék | |||
GOT / AST | Enzim | |||
GPT / ALT | Enzim | |||
GGT (Gamma GT) | Enzim | |||
Alkalikus foszfatáz (AP, ALP) | Enzim | |||
LDH | Enzim | |||
Kreatin-kináz (CK) | Enzim | |||
Tireoid stimuláló Immunglobulin (TSI) | Autoantitest | |||
anti-TPO (ATPO) | Autoantitest | |||
Tireoid Receptor Antitest (TRAK) | Autoantitest | |||
Ferritin | Vasanyagcsere | |||
Tireoglobulin elleni antitest (ATG) | Autoantitest | |||
Tireoglobulin (TG) | Prekurzor fehérje | |||
D-vitamin (kalcidiol, 25OH-D) | Vitamin | |||
Számítógéppel generált egyedi OKOSLELET |
Amikor Ön OKOSLELET-et tartalmazó csomagot választ, a vérvizsgálat után két leletet is fog kapni: elsőként a hagyományos leletet, majd 3 munkanapon belül a mesterséges intelligencia kockázatelemző összefoglalóját is tartalmazó OKOSLELET-et. Ez utóbbit az Ön által megadott email címre küldjük PDF formátumban, megnyitása az adatainak védelmének érdekében jelszóval történik. Utolsó lépésben elégedettségi kérdőívet is lehetősége lesz kitölteni, ezzel hozzájárulva az OKOSLELET projekthez.
Javasoljuk, hogy a vérvétel utáni napokban ellenőrizze levelezőrendszere spam mappáját, mert lehetséges, hogy az ismeretlen feladó miatt oda kerül besorolásra a kiküldött OKOSLELET-et tartalmazó email. Az OKOSLELET megnyitásával kapcsolatban további segítséget talál a Gyakori Kérdések között. Amennyiben az OKOSLELET “Prémium” kockázatbecslő csomag mellett döntött, úgy Ön díjmentes szakorvosi konzultációra is jogosult abban az esetben, ha ritkán előforduló vagy daganatos betegség kockázata merül fel. Összekötjük Önt megbízott szakorvosunkkal, aki online konzultáció keretében segít értelmezni a megkapott leleteket és összevetni azt a személyes kórelőzményével, tüneteivel és ezek alapján további lépéseket is javasol.
Az Ai|Life OKOSLELET öt részből áll, melyek a következők: általános és személyes adatok, a hagyományos laborvizsgálati eredmények összefoglalása, mesterséges intelligenciával* támogatott kiértékelés, kockázatos betegségcsoportok magyarázata és a referencia tartománytól eltérő értékek magyarázata. * Az OKOSLELET nagy egészségügyi adattömegekre épülő gépi tanulás megközelítés, mely az Európai Unió Brüsszelben, 2018.12. 7-én elfogadott COM(2018) 795 számú stratégiájának 2.5 pontja és második bekezdése alapján a mesterséges intelligencia egyik típusának tekinthető.
Ez a szekció tartalmazza az Ön személyes adatait, az OKOSLELET alapjául szolgáló laborvizsgálat legfontosabb adatait, valamint minőségbiztosítási okokból az OKOSLELET azonosítóját és a felhasznált szoftver verziószámát.
Itt található az összes laborvizsgálat csoportosítva, melyeket az OKOSLELET felhasznál az Ön betegség-kockázatainak a becslésére. Ezek a vizsgálatok az Ön megrendelt laborvizsgálat csomagjából kerülnek át az OKOSLELET-be és elsősorban minőségbiztosítási célt szolgálnak, valamint azt, hogy az összes vizsgálattal kapcsolatos információja egy helyen elérhető legyen. Ebben a szekcióban megtekintheti az elvégzett laborvizsgálatait és könnyen észreveheti, ha egy vizsgálat a referencia tartomány felett (piros színnel jelölve) vagy alatt (kék színnel jelölve) van. Balról jobbra az oszlopok jelentése: vizsgálat megnevezése, vizsgálat besorolási típusa, vizsgálat értéke, vizsgálat mértékegysége, vizsgálat referencia tartományának alsó értéke, vizsgálat referencia tartományának felső értéke, vizsgálat értékének referencia tartományhoz viszonyított helyzete (A - alatta, F - felette, N - normál)
Az OKOSLELET fő része, amely megmutatja, hogy a mesterséges intelligencia értékelése alapján az Ön laborlelete a 14 betegségcsoport közül mely betegségek meglétének, illetve lehetséges kialakulásának kockázatait rejtheti magában.
A 14 betegségcsoport, melyekre az OKOSLELET kockázati becslést ad.
Becsült valószínűség
Az adott betegségcsoport meglétének becsült valószínűsége. Értéke megmutatja, hogy az Önéhez hasonló laborlelettel rendelkező és a statisztikai vizsgálatokba bevont betegek átlagosan hány százalékáról derült ki, hogy a vizsgált betegségcsoport szerinti megbetegedések valamelyike megtalálható nála. A valószínűség a matematikai modellek által számolt érték, mely értéke függ a vizsgálatba bevont modellektől, azok megbízhatóságától, a betegség előfordulásától (prevalencia), az elvégzett vizsgálatok számától, valamint a betegség meglétének színkategóriájától (1-5).
Betegség megléte
A betegség megléte egy 1-től 5-ig terjedő színskála (zöldtől a sárgán át a pirosig), melynek növekvő értékei növekvő kockázatot jelentenek az adott betegségcsoport meglétére.
Fontos kiemelni, hogy a matematikai modellek kizárólag az Ön aktuális laboratóriumi eredményei alapján döntenek, nem ismerik a kórelőzményét, fizikális státuszát, egyéb vizsgálati eredményeit és életmódját/környezeti tényezőket, melyek a pontos diagnózis felállításához elengedhetetlenül szükségesek. A vérvizsgálat a diagnózis felállításának fontos, de nem kizárólagos eleme, ezt semmiképp ne felejtse el, ezért minden esetben konzultáljon kezelőorvosával vagy szakorvosával azzal kapcsolatban, hogy az OKOSLELET eredménye mennyire helytálló Önre nézve.
1 és 2 (zöld-sárgászöld): Alapvetően a negatív leletet jelenti. Amennyiben az Ön becsült betegség-kockázata ezekbe a kategóriákba tartozik, úgy a betegségcsoport meglétének a valószínűsége az Ön esetében nem valószínű (1) vagy kevésbé valószínű (2).
3 (sárga): Ön lelete a bizonytalan sávban található, a betegség megléte elképzelhető, de a matematikai modellek nem képesek azt sem ennél jobban valószínűsíteni, sem pedig elvetni.
4 és 5 (narancssárga - piros): Alapvetően a pozitív leletet jelenti. Amennyiben az Ön becsült betegség-kockázata ezekbe a kategóriákba tartozik, úgy a betegségcsoport meglétének a valószínűsége az Ön esetében inkább valószínű (4) vagy valószínű (5). A kategóriákhoz tartozó pontos valószínűségek a Valószínűség oszlopban találhatóak meg.
Fontos kiemelni, hogy a matematikai modellek kizárólag az Ön aktuális laboratóriumi eredményei alapján döntenek, nem ismerik a kórelőzményét, fizikális státuszát, egyéb vizsgálati eredményeit és életmódját/környezeti tényezőket, melyek a pontos diagnózis felállításához elengedhetetlenül szükségesek. A vérvizsgálat a diagnózis felállításának fontos, de nem kizárólagos eleme, ezt semmiképp ne felejtse el, ezért minden esetben konzultáljon kezelőorvosával vagy szakorvosával azzal kapcsolatban, hogy az OKOSLELET eredménye mennyire helytálló Önre nézve.
REFERENCIA TARTOMÁNYTÓL ELTÉRŐ ÉRTÉKEK
A referencia tartománytól való eltérések megmutatják Önnek, hogy melyek azok a vizsgálatok, amelyeknél az egészséges referencia populációra vonatkozóan meghatározott határértékekhez képest az Ön értéke eltérést mutat, megadják az eltérés irányát és mértékét. Az eltéréseknél megismerheti, hogy a laboratóriumi medicina több évtizedes szakirodalma alapján ezek az eltérések milyen kórképeket valószínűsíthetnek, és ezeknél a kórképeknél még milyen más értékek szoktak eltérni.
Keret: piros vagy kék, attól függően, hogy a vizsgált érték felfelé (piros) vagy lefelé (kék) tér el a referencia tartománytól.
Vizsgálat neve: a referencia tartománytól eltérő vizsgálat megnevezése A vizsgálat leírása: a referencia tartománytól eltérő vizsgálat rövid bemutatása (mit mér, miért fontos az értéke). A leggyakoribb okok, ha magasabb (alacsonyabb) az értéke: a referencia tartománytól eltérő vizsgálat eltérésének az iránya milyen kórképek vagy állapotok esetén figyelhető meg leggyakrabban a klinikai laboratóriumi szakirodalom szerint.
Kapcsolódó fontosabb laboratóriumi vizsgálatok az anamnézis, klinikum és egyéb vizsgálati eredmények figyelembevételével: megmutatja, hogy az adott irányú eltérés esetén milyen egyéb vizsgálatok szoktak még eltérni, illetve milyen vizsgálatok járulhatnak hozzá a háttérben lévő okok pontosabb megismeréséhez.
Fontos kiemelni, hogy a mesterséges intelligencia nem használja a klinikai kémiai szakirodalmat és nem a referencia tartományoktól való eltérés alapján hozza meg a döntését. A mesterséges intelligencia döntése hasonlósági mintázatokon alapul az Ön laborlelete és csoportonként több tízezer / több százezer beteg laboreredményei között. Bár a kettő között sokszor van hasonlóság (eltérés nélküli lelet negatív eredményt ad, sok eltérés pedig az adott eltérések klinikai szakirodalmának megfelelő pozitívat), nem meglepően, hiszen a laboratóriumi medicina szakirodalma is a hosszú évtizedek alatt összegyűlt tudást és statisztikákat használja, mégsem ritka az, hogy a referencia tartományoktól való eltérés összefoglalása alapján közölt kép és a mesterséges intelligencia megállapítása nem esik egybe. Minden esetben az Ön szakorvosa jogosult és felelős a közölt információ figyelembevételével (vagy annak ignorálásával) a pontos diagnózis felállítására.
Mint minden diagnosztikai vizsgálatnak, így az OKOSLELET által közölt információknak is vannak korlátai. Bizonyos esetekben a matematikai modellek teljesen egészséges embereknél úgy gondolják, hogy meglévő egészségügyi kockázatok vannak (a biostatisztikai szakirodalom ezt fals pozitív esetnek tekinti) és azokat betegként kategorizálják, míg más esetekben beteg pácienseket is egészségesnek gondolnak (a biostatisztikai szakirodalom ezt fals negatív esetnek tekinti). A két eset között sokszor komoly átváltás figyelhető meg, azaz minél inkább törekszik egy vizsgálat az összes beteg személy kiszűrésére (azaz a fals negatív esetek csökkentésére), annál több olyan személy lesz, aki egészségesként is “beteg” kategóriába kerül. Ezek alapján a pontosság meghatározása nem egyszerű feladat, hiszen a pontosság nagyban függ attól, hogyan is értelmezzük magukat a matematikai módszerek által számolt mintázatokat (milyen mértékű hasonlóságnál tekintünk betegnek valakit, és milyen mértékűnél egészségesnek). A biostatisztikában ezért a diagnosztikus pontosságot gyakran az ROC-AUC (receiver operating characteristic - area under curve) görbével adják meg. Ennek az értéke véletlen kategorizálás esetén (erre legjobb példa a “pénzfeldobás”) 0.5 és tökéletes kategorizálás esetén (a modell sosem hibázik) 1.0. Az OKOSLELET által használt modellek átlagos összegzett AUC értéke 0.93. Ez egy magas érték és nagyon magas átlagos pontosságot jelent.
Szintén az OKOSLELET pontosságát bizonyítja a SYNLAB Hungary-vel közösen végzett OKOSLELET „pilot” tesztelés 2021. május és szeptember között, ahol az OKOSLELET megállapításait belgyógyász és labor szakorvosok értékelték a vérvételi eredmények függvényében. A tapasztalt szakorvosok átlagosan 95%-ban értettek egyet az OKOSLELET megállapításával 785 lelet vizsgálata alapján. Mindezen eredmények bizonyítják azt a hatalmas mennyiségű munkát és tesztelést, ami az OKOSLELET projekt mögött van és ami azt a célt szolgálja, hogy Ön a lehető legpontosabb eredményeket kapja, azonban ez semmiképp sem jelenti azt, hogy az OKOSLELET nem hibázik. A legtöbb modell esetén (de nem minden esetben) az OKOSLELET a fals negatív értékek csökkentését célozza (azaz, ha a lelet szerint a páciens egészséges, akkor minimális legyen annak a kockázata, hogy a kevésbé érzékeny beállítás miatt egy betegség mégis rejtve maradjon), mely akaratlanul is együtt jár fals pozitív esetek emelkedésével (azaz, hogy a beteg pozitív diagnózist kap, bár a valóságban egészséges). Ez a megközelítés követi a diagnosztikai tesztek és tesztelések általános megközelítését és azt jelenti, hogy Ön pozitív kockázati besorolást kaphat olyan betegségekre is, melyek Önnél nincsenek jelen, ezért különösen fontos, hogyha a lelet pozitív eredményt mutat valamilyen betegséggel kapcsolatban, akkor mihamarabb konzultáljon a kezelőorvosával vagy háziorvosával.
Az OKOSLELET megrendelésével Ön az ezzel járó esetleges fizikai (például, de nem kizárólagosan a további megerősítő vizsgálatok fizikai kockázata) és pszichés (például, de nem kizárólagosan az ijedtség és a stressz, hogy Önnek valamilyen egészségügyi problémája lehet) kockázatokat mérlegelte és elfogadja. Fontos kiemelni, hogy az OKOSLELET bár mindent megtesz a lehető legpontosabb eredmények közléséért, beleértve azt is, hogy egyes esetekben a leletek a kiküldés előtt szakorvosi validáláson esnek át, de nem számít közhiteles egészségügyi terméknek és mint ilyen, semmiképp sem helyettesítheti vagy írhatja felül a szakorvosi véleményt és / vagy diagnózist. Az OKOSLELET-ben közöltek pusztán információként szolgálnak a szakorvos számára, aki mérlegelheti, elfogadhatja vagy elvetheti az abban közölteket saját belátása szerint. Az OKOSLELET pusztán egy számítógép által generált értelmezés, mely tartalmáért (és kifejezetten, de nem kizárólagosan azok esetleges valótlanságáért) az OKOSLELET kibocsátója a Medisave Kft., valamint az OKOSLELET szolgáltatásban közreműködő partnerei semmilyen felelősséget nem vállalnak.
Fontos megemlíteni, hogy a kockázati besorolások pontossága arányosan nő a laborvizsgálatok számának bevonásával és azt, hogy minimálisan egy “nagyrutin” laborvizsgálat vagy azzal egyenértékű vizsgálati csomag szükséges az OKOSLELET értelmezéshez. Ennél kevesebb vizsgálatot tartalmazó laborcsomagok esetén az OKOSLELET egyáltalán nem megbízható (bővebb információ az OKOSLELET szolgáltatással elérhető laborcsomagokról itt található:
Hol érhető el az Ai|Life OKOSLELET?)
Az OKOSLELET egy hatalmas projekt, melynek célja az, hogy a közeljövőben pusztán egy rutin vérvizsgálat segítségével, korai fázisban diagnosztizálni lehessen az összes krónikus betegséget és ne kelljen a pácienseknek sokszor hosszú hónapokat eltölteni a megfelelő diagnózis kézhez vételéig. A korai diagnózisok komoly lehetőséget teremtenek a megfelelő kezelések időben történő megkezdéséhez és ezáltal a gyógyulási esélyek növekedéséhez, illetve az életminőség általános javulásához. Amennyiben segíteni kívánja az OKOSLELET projekt fejlesztését, kérjük Önt, szánjon 5-10 percet a lelet kiküldését követően egy általános kérdőív kitöltésére, mely az Ön kórelőzményével és életmódjával kapcsolatos kérdéseket tartalmaz. Válaszai nagy segítséget jelenthetnek a jövőbeni fejlesztésekben és lehet, hogy így Ön is hozzájárul a jövőben egy még pontosabb és megbízhatóbb szolgáltatás kialakításához.
A pajzsmirigy betegségek közé tartoznak a pajzsmirigyet érintő változatos rendellenességek, beleértve veleszületett (familiáris) defektusokat, jódhiányos állapotokat, hypo és hyperthyreosis, thyreotoxicosis kórképeket, pajzsmirigygyulladást és egyéb pajzsmirigyet érintő megbetegedéseket. Érintettség esetén endokrinológus szakorvos felkeresése és további specifikus pajzsmirigy kivizsgálás javasolt.
A cukorbetegség főbb csoportjai beleértve az inzulin dependens és a nem inzulin dependens megnyilvánulásokat, a szerzett, táplálkozással kapcsolatos (pl. malnutritio) és genetikai eredetet. Mivel a cukorbetegség az egyik legösszetettebb krónikus kórkép, ezért érintettség esetén összetett szakorvosi (belgyógyászati, diabetológiai) kivizsgálás szükséges az okok és kapcsolódó betegségek pontos feltárásában.
A máj heveny és idült megbetegedései beleértve a fibrosist, gyulladást, zsugorodást, toxikus, örökletes, fertőző és egyéb okokból kialakulva, a daganatos betegségeket leszámítva. Érintettség esetén belgyógyász vagy gasztroenterológus / hepatológus szakorvos felkeresése, részletes szakorvosi kivizsgálás és specifikus májparamétereket tartalmazó panelvizsgálat javasolt.
Minden nem fertőzéses eredetű vastagbél és vékonybélgyulladás, mint például a Crohn féle betegség, colitis ulcerosa, cöliákia (lisztérzékenység) vagy valamilyen ételintoleranciával összefüggő felszívódási zavar. Érintettség esetén javasolt lehet e betegségek célzott kizárására részletes panelvizsgálatok (pl. cöliákia szűrés) végzése, ételallergia vizsgálatok elvégzése, valamint belgyógyász, gasztroenterológus vagy proktológus szakorvossal történő konzultáció.
Ebbe a csoportba tartozik minden vitamin, ásványi anyag, fém és nyomelemmel kapcsolatos táplálkozási hiánybetegség és vérszegénység, de ide tartoznak a fehérjehiányos kórképek is. Az algoritmus a vérképből becsli meg a vérszegénység tényét és érintettségnek tekint minden egyoldálú vagy nem megfelelő, hiányos táplálkozással kapcsolatba hozható vérképbeli eltéréseket.
Minden nem táplálkozási eredetű (vagy táplálkozással közvetlenül kapcsolatba nem hozható) vérszegénység, ideértve az enzimdefektusok okozta anémiákat, öröklött vagy szerzett – nem daganatos – vérképzési rendellenességek (pl. Thalassaemia, sarlósejtes rendellenességek, haemolyticus anaemiák), aplasztikus és egyéb vérszegénység kórképek.
Az immundefektusok csoportjába tartoznak örökletes és szerzett részleges, kevert és összetett immunhiányok, egyes autoimmun kórképek (pl. sarcoidosis), valamint egyéb nem daganatos (auto)immunbetegségek. Érintettség esetén javasolt részletes immunpanel felvétele, valamint konzultáció immunológus szakorvossal a kizárásra, illetve az okok felderítésére.
Az egész testet, vagy több élettani funkciót érintő rendszerszintű autoimmun betegségek, mint például a reumatoid artritisz különféle formái, összetett kötőszöveti rendszerbetegségek (SLE, szisztémás szklerózis vagy egyéb kötőszöveti szisztémás érintettségek – például Sjögren-szindróma) vagy rendszerszintű myopátiák.
A zsíranyagcsere rendellenességei, melyek vagy egyéb krónikus betegségek következményei vagy más súlyosabb kórképek előzményei lehetnek. Ide tartoznak az örökletes és szerzett hiperlipidémiák is. Érintettség esetén érdemes lehet részletes lipoprotein profil vizsgálat, valamint lipidológus (belgyógyász) szakorvos felkeresése és a kapcsolódó okok feltárása.
Ide tartoznak az epe betegségei (pl. epekövesség / epehólyag gyulladások) valamint a hasnyálmirigy (heveny) gyulladásos és egyéb ídült megbetegedései. Érintettség esetén javasolt belgyógyász (gasztroenterológus) szakorvos felkeresése és esetlegesen további (specifikus) panelvizsgálat elvégzése.
A vese gyulladásos és egyéb megbetegedései, ide értve a glomeruláris, tubuláris és interstitiális szövetek gyulladásait, valamint minden olyan egyéb kórképet mely a vese működési elégtelenségével és / vagy funkcióvesztésével jár beleértve mind a heveny, mind krónikus súlyos elégtelenségével járó kórképeket. Felmerült gyanú esetén javasolt részletes veseprofil vizsgálat és konzultáció nefrológus (belgyógyász) szakorvossal.
A keringési rendszer működését hátrányosan érintő kórképek, melyek lehetnek önmagukban is súlyosak, illetve sokszor súlyos / életveszélyes működészavarok előfutárai. Ide tartoznak az ischemiás jellegű szívbetegségek (a szív vérellátásának zavarai), a szívbillentyűk az aorták és a szívizom megbetegedései, az agyi vérkeringés zavarával járó kórképek (cerebrovaszkuláris betegségek), az érelmeszesedés és trombózissal járó állapotok.
Rosszindulatú krónikus megbetegedések, melyek magukban foglalják a vérképzési rendszer főbb daganatos megbetegedéseit (leukémiák és limfómák), a leggyakoribb adenokarcinómás megbetegedéseket (emésztőrendszeri daganatok, emlődaganatok, prosztatarák), a leggyakoribb laphámsejtes dagantokat (női nemi daganatok, légzőrendszer daganatai), valamint a kevert és speciális daganatokat (például melanómák) és a belső elválasztású mirigyek daganatait (például pajzsmirigy), kivéve az elsődlegesen idegrendszeri eredetű dagantokat. Fontos, hogy a daganatos betegségek nagy részének a diagnosztikája nem vérvétel alapján történik (kivéve a vérképző rendszer daganatait), így sok esetben a matematikai modellek csak másodlagos mintázatokat keresve becsülik meg a kockázatot és a számszerűsített találatok is sokkal kevésbé megbízhatóak, mint más betegségcsoportok esetén.
Ritka kórképek, melyek 2000-ből kevesebb mint egy embert érintenek (legtöbbjük kevesebb mint tízezer emberből egyet). Különleges matematikai algoritmusok keresik azokat az eltéréseket a laboratóriumi leletekben, melyek a(z) (elsősorban felnőtt) betegek elhanyagolhatóan kis százalékát érintik és amenyek rejtett, nehezen felismerhető kóros elváltozások következményei lehetnek. Az algoritmusok képesek kockázatot becsülni ritka metabolikus betegségek (például familiáris hiperkoleszterinémia, familiáris kilomikronémia szindróma, Gaucher vagy Wilson-kór, hemokromatózis), ritka vérképzési rendellenességek (például porfíria, hemofília, krioglubulinémia), ritka autoimmun eredetű megbetegedések (például Behcet-kór, Still-betegség), a belső elválasztású mirigyeket érintő ritka betegségek (például Cushing-szindróma), valamint egyes mitokondriális betegségek (például karnitin hiány szindrómák) meglétére.
A pajzsmirigygyulladás (tiroiditisz) a pajzsmirigy gyulladásos állapota, amely számos okból alakulhat ki, és különböző típusokban fordulhat elő. A gyulladás hatására a pajzsmirigy funkciója átmenetileg vagy tartósan megváltozhat, ami lehet alulműködés (hipotireózis) vagy túlműködés (hipertireózis). A pajzsmirigygyulladásnak több típusa létezik, leggyakoribb a Hashimoto-thyreoiditis, mely akár a lakosság 10%-át is érintheti, nőknél 8-10x nagyobb előfordulási gyakorisággal, mint férfiaknál. A Hashimoto-thyreoiditis egy autoimmun pajzsmirigybetegség, amelyben az immunrendszer tévesen támadja meg a pajzsmirigyet, ami idővel pajzsmirigygyulladáshoz és alulműködéshez vezet.
Leggyakoribb tünetei közé tartozik a súlygyarapodás, fáradtság, székrekedés, száraz bőr, depresszió és izomfájdalmak. A pajzsmirigy gyulladása egyes esetekben gyors pajzsmirigy károsodást vált ki, ami tireotoxikózishoz hasonló állapotot okoz.
A thyreotoxikózis, a pajzsmirigy súlyos túlműködése, egy olyan állapot, amikor a pajzsmirigy túl sok pajzsmirigyhormont termel. A hormonok túltermelése felgyorsítja a szervezet anyagcseréjét, ami számos tünethez vezethet. A thyreotoxikózis okozhat pajzsmirigy megnagyobbodást is, ez azonban nem specifikus tünet, mivel a pajzsmirigy alulműködéses állapotai is okozhatják. A nagy mennyiségben a véráramba jutott pajzsmirigyhormon domináló hatást fejt ki a hőközpontra és a keringési szervekre, mely a jelentősebb tüneteket is okozza. A kórkép által okozott thyreotoxikus krízis nem megfelelő kezelés hiányában súlyos, akár életveszélyes állapotot is okozhat. A thyreotoxikózis gyakori oka a Graves-Basedow-kór, mely leggyakrabban a női nemet érintő, a pajzsmirigy túlműködésével járó autoimmun betegség.
A tireotoxikózis során nagy mennyiségben jut pajzsmirigy hormon a vérbe, amely az alábbi gyakori tüneteket okozza: gyors szívverés (tachycardia), szorongás, idegesség, remegés, fogyás (normál étvágy mellett is), meleg, nedves bőr, túlzott izzadás, hőintolerancia, fáradtság, izomgyengeség, szapora pulzus, hasmenés, hajhullás, alvászavarok és menstruációs zavarok.
A jódhiányos pajzsmirigy betegségek a pajzsmirigy olyan működési zavarai, amelyek a szervezet elégtelen jódbeviteléből erednek. A jód egy létfontosságú nyomelem, amely szükséges a pajzsmirigyhormonok (tiroxin, azaz T4, valamint a trijódtironin, azaz T3) előállításához. Ha a szervezet nem kap elegendő jódot, a pajzsmirigy nem képes megfelelő mennyiségű hormont termelni, ami különböző betegségekhez vezethet és jódhiányos rendellenességek alakulhatnak ki. A jódhiány leggyakoribb tünete a kialakuló golyva.
A jódhiány leggyakoribb tünete a golyva (strúma), azaz a pajzsmirigy megnagyobbodása, hogy kompenzálja a csökkent hormontermelést. Ez látható duzzanatot okoz a nyak elülső részén. Súlyos jódhiány esetén a pajzsmirigy nem képes elegendő pajzsmirigy hormon termelésére, ezért megjelennek a pajzsmirigy alulműködés (hipotireózis) tünetei: súlygyarapodás, fáradtság, székrekedés, száraz bőr, depresszió és izomfájdalmak. Súlyos jódhiány esetén kognitív, mentális és fejlődési rendellenességek is megjelenhetnek.
A pajzsmirigy daganatos megbetegedései olyan kóros elváltozások, amelyek a pajzsmirigyben kialakuló kóros sejtburjánzásból erednek. Ezek lehetnek jóindulatúak (benignus daganatok) vagy rosszindulatúak (malignus daganatok). A rosszindulatú daganatok közül leggyakoribb a papilláris pajzsmirigy daganat, mely általában lassan növekszik és jól reagál a kezelésre, különösen korai stádiumban felismerve.
A pajzsmirigy daganatai gyakran tünetmentesek a korai stádiumban, de legjellemzőbben (és az idő előrehaladtával egyre nagyobb valószínűséggel) az alábbi tüneteket adják: nyaki csomó vagy duzzanat (amely sokszor fájdalommentes), nyelési vagy légzési nehézség (amennyiben a fejlődő daganat nyomja a légcsövet), rekedtség, látszólagos ok nélküli fájdalom a nyakban vagy a torokban. Ezek a tünetek egyéb fej-nyaki daganatok okai is lehetnek.
A Hashimoto-thyreoiditis egy krónikus pajzsmirigygyulladás, mely során a szervezet tévesen támadja a pajzsmirigyet, amely gyulladással és a pajzsmirigy funkció romlásával jár, ami a hormontermelés csökkenését eredményezi. A betegség hosszú idő alatt fejlődik ki, a kezdetben a pajzsmirigy megnagyobbodásával, strumával járhat, és részben / egészében tünetmentes lehet akár évekig is. A betegség lefolyása több stádiumban zajlik, kezdetben túlműködés (hipertireózis) jelentkezhet, illetve hosszú ideig normális pajzsmirigy működéssel is járhat (eutireózis), azonban idővel a pajzsmirigy funkció csökkenése miatt alulműködést (hipotireózist) okoz. A Hashimoto-thyreoiditis gyakori betegség, a pajzsmirigy alulműködés leggyakoribb oka, mely elsősorban nőket érint. Gyakorisága az életkor előrehaladtával nő.
A Basedow-kór (vagy más néven Graves-Basedow betegség) a leggyakoribb, a pajzsmirigy túlműködésével járó betegség. Leggyakrabban a női nemet érinti, legtöbbször 20-40 éves kor között jelentkezik. Egy autoimmun betegség, mely során a szervezet pajzsmirigyet stimuláló autoantitesteket termel, melyek fokozott hormontermelésre késztetik a pajzsmirigyet. Ennek eredménye a pajzsmirigy túlműködés, súlyos esetben tireotoxikózis.
Az akut és szubakut pajzsmirigygyulladás viszonylag ritka állapotok, melyek a pajzsmirigy gyulladásos megbetegedését okozzák és akár tartós pajzsmirigy működési zavart okozhatnak. Az akut/fertőzéses megbetegedések mögött jellemzően bakteriális fertőzés áll, gyorsan kifejlődik, magas lázzal, hidegrázással súlyos esetben tályogképződéssel járhat együtt. A szubakut pajzsmirigygyulladást (De Quervain pajzsmirigygyulladás) sok esetben valamilyen vírusfertőzés váltja ki, a tünetek pedig fokozatosan fejlődnek ki. Ebben az esetben is megjelenik a nyaki fájdalom, láz, fáradékonyság. A szubakut gyulladás általában kezdetben pajzsmirigy túlműködéssel jár, később előfordulhat alulműködés és normál pajzsmirigy működés is.
A Riedel-féle pajzsmirigygyulladás (tiroiditisz) egy rendkívül ritka krónikus pajzsmirigygyulladás, amely során a pajzsmirigy szövete fibrotikusan átalakul (“hegesedik”), ezáltal tapinthatóan keménnyé válik. A betegség a kezdeti fázisában nehezen diagnosztizálható, sem túlműködésre, sem alulműködésre utaló tüneteket nem okoz, azonban a betegség előrehaladtával egyre inkább megjelennek az alulműködéshez kapcsolódó tünetek.