Search
"מים אלקליינים" אינם מצליחים להוות חלופה יעילה למניעת אבנים חוזרות בדרכי השתן

הערכת כלי למידת מכונה לחיזוי פגיעה חריפה בכליות שנרכשה בבית חולים

פגיעה חריפה בכליות שנרכשה בבית חולים (HA-AKI) היא סיבוך שכיח בחולים מאושפזים שעלול להוביל למחלת כליות כרונית וקשור לאשפוזים ארוכים יותר, עלויות גבוהות יותר של טיפול רפואי ותמותה מוגברת. בהתחשב בהשלכות השליליות הללו, מניעת HA-AKI יכולה לשפר את תוצאות החולים המאושפזים. עם זאת, קשה לצפות את הופעת HA-AKI בגלל מספר רב של גורמים תורמים מעורבים.

חוקרים מ-Mass General Brigham Digital בדקו כלי למידת מכונה מסחרית, המודל החיזוי Epic Risk of HA-AKI, ומצאו שהוא הצליח לחזות את הסיכון ל-HA-AKI בנתוני חולים מתועדים. המחקר מצא ביצועים נמוכים יותר מאלה שתועדו על ידי האימות הפנימי של Epic Systems Corporation, והדגיש את החשיבות של אימות מודלים של AI לפני יישום קליני.

מודל Epic פועל על ידי הערכת מפגשים באשפוז מבוגרים עבור הסיכון ל-HA-AKI, המסומן על ידי עליות מוגדרות מראש ברמות הקראטינין בסרום. לאחר הכשרת המודל באמצעות נתונים מבתי חולים MGB, החוקרים בדקו אותו על נתונים של כמעט 40,000 אשפוזים באשפוז במשך תקופה של חמישה חודשים בין אוגוסט 2022 לינואר 2023. מערך הנתונים היה נרחב עם נקודות רבות שנאספו על מפגשים עם חולים, כולל מידע כגון כמו נתונים דמוגרפיים של המטופלים, מחלות נלוות, אבחנות עיקריות, רמות קריאטינין בסרום ומשך האשפוז. שני ניתוחים הושלמו תוך הסתכלות על ביצועי מודלים ברמת המפגש וברמת החיזוי.

החוקרים הבחינו כי הכלי היה אמין יותר בהערכת חולים עם סיכון נמוך יותר ל-HA-AKI. למרות שהמודל יכול לזהות בביטחון אילו חולים בסיכון נמוך לא יפתחו HA-AKI, הוא התקשה לחזות מתי חולים בסיכון גבוה יותר עלולים לפתח HA-AKI. התוצאות השתנו גם בהתאם לשלב של HA-AKI המוערך -; התחזיות היו מוצלחות יותר עבור שלב 1 HA-AKI בהשוואה למקרים חמורים יותר.

הכותבים הגיעו למסקנה הכוללת שהטמעה עשויה לגרום לשיעורים חיוביים שגויים גבוהים וקראו להמשך מחקר של ההשפעה הקלינית של הכלי.

מצאנו שמודל החיזוי Epic היה טוב יותר בשלילת חולים בסיכון נמוך מאשר בזיהוי חולים בסיכון גבוה. זיהוי סיכון HA-AKI עם מודלים חזויים יכול לעזור לתמוך בהחלטות קליניות כגון על ידי אזהרת ספקים מפני הזמנת תרופות נפרוטוקסיות, אך יש צורך במחקר נוסף לפני יישום קליני."

Sayon Dutta, MD, MPH, מחבר המחקר הראשי של צוות אינפורמטיקה קלינית של Mass General Brigham Digital, ורופא לרפואת חירום בבית החולים הכללי של מסצ'וסטס

דילוג לתוכן