Bedömning av dödlighetsrisk vid pulmonell tuberkulos och svår undernäring: utveckling av IIR‑markören med artificiell intelligens

Varför denna forskning är viktig

Tuberkulos och svår undernäring drabbar ofta samma människor: dem som lever i fattigdom med begränsad tillgång till vård och mat. När dessa två tillstånd förekommer tillsammans ökar risken att dö i sjukhus kraftigt. Läkare i upptagna kliniker, särskilt i miljöer med få resurser, behöver ett enkelt sätt att redan vid inläggning identifiera vilka patienter som är i störst fara, med hjälp av tester de redan använder. Denna studie presenterar en ny blodbaserad markör avsedd att göra just det.

Den dubbla bördan av lunginfektion och svält

Pulmonell tuberkulos är en smittsam lunginfektion som fortfarande är vanlig i många delar av världen, inklusive östra Europa. Svår undernäring, som syns genom mycket låg kroppsmassaindex, försvagar kroppens försvar och gör det svårare att kontrollera sådana infektioner. Kombinationen skapar en ond cirkel: infektion försämrar aptit och ökar energibehovet, medan dålig näring ytterligare urholkar immunförsvaret. I Rumäniens Oltenia‑region följde forskarna inlagda vuxna med både lungtuberkulos och uttalad undervikt för att bättre förstå vilka som sannolikt skulle avlida under sin första sjukhusvistelse.

Närmare analys av blodet

Alla 216 patienter i studien hade mycket låg kroppsvikt och bekräftad pulmonell tuberkulos. Ungefär en av åtta avled före utskrivning. När teamet jämförde dem som överlevde med dem som inte gjorde det fann de påtagliga skillnader i vanliga blodprov tagna innan någon behandling påbörjats. De som avled tenderade att vara äldre, mer anemiska och uppvisade ett särskilt mönster i vita blodkroppar: höga nivåer av neutrofiler, som är de främsta bekämparna av infektion, och mycket låga nivåer av lymfocyter och eosinofiler, som hjälper till att samordna och dämpa immunsvaret. Denna obalans föreslog att en enda måttstock som fångar «dragkampen» mellan aggressiv inflammation och skyddande immunitet kunde vara mer informativ än någon enskild cellräkning.

Ett nytt varningstecken från rutinprov

Med hjälp av verktyg från artificiell intelligens tillsammans med traditionell statistik byggde forskarna Immuno‑Inflammatory Ratio, eller IIR, från tre rutinmässigt mätta typer av vita blodkroppar. Formeln ökar när neutrofiler är höga och när lymfocyter och eosinofiler är låga, vilket speglar ett stormigt, dåligt kontrollerat immunläge. De testade sedan hur väl detta förhållande skilde mellan patienter som skulle överleva och dem som skulle avlida under inläggningen. IIR presterade tydligt bättre än flera befintliga blodbaserade poängsystem som läkare ibland använder för att bedöma inflammation, och visade både mycket hög känslighet (fångade nästan alla dödsfall) och god specificitet (få falska larm) vid ett visst gränsvärde.

Att omvandla siffror till beslut vid sängen

Bortom ren prediktion undersökte teamet hur en sådan markör skulle kunna förändra vården. I deras analyser förblev en hög IIR den starkaste oberoende signalen för dödlighet under sjukhusvistelsen, även efter hänsyn till ålder, hjärtsjukdom och andra faktorer. Författarna föreslår att patienter som anländer med mycket höga IIR‑värden bör få en «eskaleringspaket»: tidigare bedömning av seniora kliniker, intensivare övervakning, noggrann men snabb näringsstöd för att undvika refeeding‑komplikationer, snabb korrigering av dehydrering och anemi samt snabbare mikrobiologisk testning för att säkerställa att rätt tuberkulosläkemedel påbörjas utan dröjsmål. Eftersom IIR endast bygger på ett standardiserat fullständigt blodstatus kan det beräknas i de flesta sjukhus utan ny utrustning.

Vad detta innebär för patienter och vårdsystem

Studien slutar att Immuno‑Inflammatory Ratio är en lovande, lätt att beräkna signal som hjälper till att flagga tuberkulospatienter med svår undernäring som har en särskilt hög risk att avlida på sjukhus. Den ersätter inte god medicinsk vård eller näringsprogram; istället hjälper den att avgöra vem som mest brådskande behöver dessa resurser när de är knapphändiga. Arbetet genomfördes på ett enda sjukhus och tittade endast på dödsfall under den första inläggningen, så större och längre studier behövs fortfarande. Om dessa bekräftar fynden kan denna enkla kvot bli en del av vardaglig triage och hjälpa läkare världen över att ge tidskritisk, livräddande uppmärksamhet till de mest sköra patienterna.

Citering: Rădulescu, D., Streba, CT., Traşcă, ET. et al. Assessing mortality risk in pulmonary tuberculosis and severe malnutrition: development of the IIR marker via artificial intelligence. Sci Rep 16, 9863 (2026). https://doi.org/10.1038/s41598-026-39487-3

Nyckelord: tuberkulos, undernäring, dödlighetsrisk, blodbiomarkörer, maskininlärning