A SARS-CoV-2 koronavírus által okozott COVID-19- jár­vány 2020 tavaszára világszerte elterjedt, gyors és haté­kony reakciót igényelve össztársadalmi szinten, és az egész­­ségügyi ellátás szervezésében is. A COVID-19 fő tünetének a lázat, a köhögést és a nehézlégzést tartják. A légzőszervi érintettségen túl a fertőzés egyéb panaszokat és tüneteket is okozhat. Az eddigi adatok alapján neuro­lógiai jellegű panaszok és tünetek a kórházba kerülő COVID-19-betegek 30–50%-ánál előfordulnak, és gyakrabban jelentkeznek a súlyos állapotú eseteknél. Leírtak a COVID-19-hez társuló klasszikus akut neurológiai kórképeket is. A COVID-19-ellátásra fókuszáló egészségügyi ellátórendszerekben az egyéb akut ellátást igénylő kórképek szakellátásának visszaesését figyelték meg. A COVID-19-járvány során fontos feladat a krónikus neurológiai kórképekben szenvedők folyamatos ellátásának biztosítása is. A jövő feladata lesz a COVID-19 járvány által az egyéb neurológiai kórképekre kifejtett hatások felmérése, valamint annak megítélése, hogy a SARS-CoV-2 koronavírus által okozott fertőzés járhat-e késői neurológiai szövődményekkel.

Mi köze a gónak a klinikai döntéshozatalhoz? A klinikai orvoslás egyik legjelentősebb intellektuális kihívása a bizonytalanságban történő döntéshozatal. A hagyományos orvosi döntéshozatal intuitív és heurisztikus mivoltának pszichológiai csapdáin kívül az információhiány, az erőforrások szűkössége, az adott orvos-beteg kapcsolat jellemzői egyaránt hozzájárulnak annak bizonytalanságához. A formális, matematikai számításokon alapuló döntéselemzés, amelyet széles körben használnak a klinikai irányelvek fejlesztésében, illetve az egészségügyi technológiák értékelésében, elvben jó lehetőségeket kínál az intuitív dön­téshozatal hibáinak elkerülésére, ugyan­akkor az egyéni döntési helyzetekben többnyire nehezen alkalmazható,és az orvosok többségétől idegen. Ennek a módszernek is vannak korlátai, különösen az egyéni döntéshozatalban, beleértve a számításokhoz felhasznált input adatok esetleges hiányát, illetve jelentős bizonytalanságát, valamint a matematikai modellek korlátait abban, hogy egy komplex rendszer folyamatait és a folyamatok egyéni variabilitását megfelelően tudják reprezentálni. A klinikai döntéstámogató rendszerek mindezek ellenére hasznos segítséget jelenthetnek az egyéni orvosi döntéshozatalban, ha megfelelően integráltak az egészségügyi információs rendszerekbe, és nem szüntetik meg az orvosok döntési autonómiáját. A klasszikus döntéstámogató rendszerek tu­dásalapúak, szabályrendszerekre, problé­ma­­specifikus algoritmusokra épülnek. Szá­mos területen alkalmazzák az orvosi adminisztrációtól a képfeldolgozásig. A nap­jainkban zajló informatikai forradalom eredményeképpen olyan mesterséges intelligenciaként emlegetett gépi tanulási módszerek jönnek létre, amelyek már ténylegesen képesek tanulni. A mesterséges intelligencia ezen új generációja nem konkrét szabályrendszerekre épül, hanem hatalmas adatbázisokon magukat tanító neurális hálózatokra és általános tanulási algoritmusokra. Ezek a mesterséges intelligenciák egyes területeken, mint például a sakk, a gó, vagy a va­dászrepülőgép vezetése, már jobb teljesítményre képesek, mint az em­berek. Fej­lesztésük bővelkedik kihívásokban, veszélyekben, ugyanakkor olyan technológiai át­törést jelentenek, ami megállíthatatlan és át­alakítja világunkat. Alkal­mazásuk és fej­lesztésük az egészségügyben is megkezdődött. A szakmának részt kell vennie ezek­ben a fejlesztésekben és megfelelő irányba kell, hogy terelje azokat. Lee Sedol 18-szoros gónagymester visszavonult há­rom évvel AlphaGo mesterséges intelligenciától elszenvedett veresége után, mert „Hiá­ba lettem világelső, van egy entitás, amit nem lehet legyőzni”. Ne­künk szerencsére nem versengenünk vagy győznünk kell, hanem el kell érnünk, hogy a mesterséges intelligencia biztonságos és megbízható legyen és az emberekkel együtt­mű­ködve ez az entitás eredményesebbé és hatékonyabbá tegye az egészségügyet.

Az insomnia - az alvás elégtelensége - jelentős következményekkel járó gyakori állapot. Megkülönböztethetünk elsődleges formát (insomniabetegség) és komorbid insomniákat. A hatásos kezelés alapfeltétele a számos kiváltó ok miatti gondos kivizsgálás és - ha lehetséges - az oki terápia, melyben az alvásmedi-cina-centrumok tudnak segítséget nyújtani. Az insomniabetegség kezelésében elsődleges a kognitív viselkedésterápiák alkalmazása, valamint az altatók megfelelő használata. Az összefoglalóban érintjük az insomnia kivizsgálási lehetőségei mellett az alapvető ismereteket a kognitív viselkedésterápiáról. Érintjük továbbá az altatóként alkalmazott hatóanyagok jellemzőit is. Annak ellenére, hogy számos insomniaellátási protokoll áll rendelkezésre, viszonylag kevés szó esik az altatóhasználat gyakorlati szempontjairól. Összefoglalónk célja ezért a klasszikus irányelvszerű leírás mellett a helytelen és helyes altatóhasználati eljárások, szokások ismertetése is.

[Az autizmus spektrum zavar heterogén tünetekkel jelentkezô idegrendszeri fejlôdési zavar, aminek az etiológiája nem kellôen tisztázott. A közelmúltban, az autizmus gyakoriságának növekedése és a veleszületett metabolikus rendellenességek diagnosztikai lehetô­ségei­nek bôvülése miatt egyre több komorbiditásra is fény derült. A vizsgálatban olyan autizmus spektrum zavar diagnózissal rendelkezô betegek vettek részt, akik 2018. szeptember 1. és 2020. február 29. között a Gyer­mekbetegek Metabolizmusambulanciáján részesültek ellátásban (n = 179 fô). A betegek személyes adatait, rutin és speciális metabolikus teszteredményeit retrospektív módon elemeztük. Az ambulanciánkon ezen idô alatt meg­jelent 3261 beteg közül 179-en (5,48%) rendelkeztek autizmus spektrum zavar diagnózissal, ôk képezik vizsgálatunk be­teg­populációját. A speciális metabolikus kivizsgálás eredményeképpen 6 beteg (3,3%) esetében állítottunk fel veleszületett metabolikus rendellenesség diagnó­zist. Két betegünk klasszikus phenylketonuria, két betegünk klasszi­kus homocystinuria, egy betegünk 3D típusú muco­poly­saccharidosis (Sanfilippo-szindróma) és egy 3-metil­krotonil-CoA-karboxiláz-hiány diagnózist kapott. A veleszületett metabolikus rendelle­nes­ség ritkán autizmus spektrum zavarhoz társulhat. A kór­-tör­ténet pontos felvétele, az alapos fizikális vizsgálat és a tünetek gondos mérlegelése az autizmus spektrum zavarban szenvedô betegek esetében segítheti a klinikust a döntéshozatali folyamatban, és elvezethet a megfelelô metabolikus kivizsgáláshoz. Ha az autizmus hátterében veleszületett metabolikus rendellenességet találunk, az hatékony kezelést eredményezhet.]

A sclerosis multiplex (SM) a teljes populáció tekintetében ritka megbetegedés, magyarországi prevalenciája 83,9/100 000. Az első SM-regisztert az 1950-es évek közepén Dániában hozták létre, melyet világszerte először nemzeti, majd nemzetközi, akár 100 000-es nagyságrendű beteg adatait tartalmazó regiszterek megszületése követett. A regiszterek elsődleges célja korábban az epidemiológiai adatok (betegszám, prevalencia, incidencia, mortalitás, kísérő betegségek) meghatározása volt. Napjainkra az SM kezelésére használt gyógyszerek számának folyamatos növekedése, a hatásosság és a mellékhatásprofilok különbözősége a terápiás regiszterek használatát is nélkülözhetetlenné tette: egy-egy betegségmódosító kezelés (DMT) monitorozása elképzelhetetlenné vált a korszerű, pontosan vezetett, folyamatosan frissített elektronikus adatbázisok nélkül. A Szegedi Sclerosis Multiplex Regiszter 1993-ban „papíralapon” jött létre, melyet 2012-ben elektronikus, internetes felületről könnyen elérhető és frissíthető adatbázissá alakítottunk. Jelenleg több mint 600 beteg szociodemográfiai és klinikai adatait tartalmazza és a regisztert folyamatosan bővítjük az új betegek adataival és a régiek frissítésével. Lehetőséget nyújt a „klasszikus” klinikai adatok mellett a képalkotó (MRI) és az egyre fontosabbá váló pszichopatológiai és életminőség-vizsgálatok eredményeinek rögzítésére és elemzésére. Az elektronikus regiszter létrejötte nagyban elősegítette mind a terápiák monitorozását, mind az új epidemiológiai és pszichopatológiai vizsgálatok sikerességét.