Nedsatt kognition bland barn som har fötts mycket tidigt kan förutsägas redan vid utskrivning från neonatalvården. Det visar en studie från Karolinska Institutet där barn har följts till två års ålder.
Det är känt att hjärnans kognitiva funktioner inte är lika väl utvecklade hos tidigt födda barn som hos jämnåriga barn födda i fullgången tid. Men det har varit svårt att förutsäga på individuell nivå vilka barn som har störst risk att drabbas av försenad utveckling och därför skulle ha störst nytta av förebyggande insatser.
AI har sorterat fram riskfaktorer
Utifrån uppgifter i Neonatalvårdsregistret har KI-forskare kartlagt en lång rad omständigheter under graviditet, förlossning och neonatalvård. Det handlar om svenska barn som har fötts i graviditetsvecka 22 till 31. Forskarna har med hjälp av maskininlärning, AI, sorterat ut de viktigaste riskfaktorerna för försenad kognitiv utveckling.
Sammanlagt omfattade studien 1062 mycket tidigt födda barn med en genomsnittlig födelsevikt på 880 gram. Samtliga hade psykologtestats gällande kognition vid två års ålder.
Länge respiratorvård en riskfaktor
Av samtliga undersökta barn var det ungefär en femtedel som vi två års ålder visade tecken på försenad kognitiv utveckling. Förutom kända riskfaktorer som låg födelsevikt, manligt kön och neonatal hjärnblödning kan forskarna nu se andra faktorer som kan kopplas till förenenad utveckling. Det är bland annat icke-skandinaviskt hemspråk, en längre tids respiratorbehandling och utebliven amning vid utskrivning från neonatalvård.
– Det här är ett viktigt steg för att redan i samband med utskrivning från neonatal intensivvård skräddarsy förebyggande insatser till de mest behövande barnen, säger Mikael Norman, professor i pediatrik vid Karolinska Institutet.
– Det finns idag effektiv hjälp att få, men den är ofta mycket resurskrävande och kan därför kanske inte erbjudas till alla. Därför behövs nya prediktionsverktyg som det vi utvecklat.
Läs också: Tuff barndom bakom många sjukdomar
Vetenskaplig artikel:
Predicting 2-year cognitive outcomes in very preterm infants using machine learning methods, Jama.
Kontakt:
Mikael Norman, professor i pediatrik vid institutionen för klinisk vetenskap, intervention och teknik vid Karolinska Institutet
mikael.norman@ki.se
