תוספת חמצן היא בין הטיפולים הנרשמים ביותר בעולם, כאשר לפי הערכות 13 עד 20 מיליון חולים ברחבי העולם זקוקים לאספקת חמצן על ידי אוורור מכני מדי שנה. אוורור מכני -; סוג של תמיכת חיים -; היא טכנולוגיה המניעה אוויר לנשימה אל הריאות וממנה, פועלת כמו מפוח. מאווררים נעו הרבה מעבר למכונות "ריאות הברזל" שכמה אנשים עשויים לדמיין; כעת, המכשירים התקדמו למכונות דיגיטליות מתוחכמות וקומפקטיות המספקות חמצן דרך צינור פלסטיק קטן שיורד בגרון.
למרות ההתקדמות הטכנולוגית, נכון כמות של חמצן למסור לכל מטופל נשאר משחק ניחושים. רופאים רושמים רמות חמצן על ידי שימוש במכשירים שמתעדים SpO2 רוויה, המודד את כמות החמצן בדם המטופל. עם זאת, מחקר קודם לא הצליח לקבוע אם SpO גבוה או נמוך יותר2 היעד טוב יותר עבור המטופלים.
סטנדרט הטיפול הוא שמירה על ריווי חמצן בין 88 ל-100; בטווח הזה, הרופאים נאלצו לבחור רמת חמצן לאוורור מבלי שיהיו להם נתונים באיכות גבוהה כדי להודיע על קבלת ההחלטות שלהם. בין אם נרצה ובין אם לא, קבלת ההחלטה עבור כל מטופל חושפת אותו ליתרונות או לנזקים הפוטנציאליים של רמת החמצן הנבחרת".
קווין ביואל, MBBS, עמית לרפואת ריאות וטיפול קריטי, אוניברסיטת שיקגו לרפואה
כדי להוציא את הניחוש מהאוורור, ביואל וקבוצה של חוקרים אחרים השתמשו במודל למידת מכונה כדי לחקור אם ההשפעות של רמות חמצן שונות תלויות במאפיינים של מטופלים בודדים. התוצאות, שפורסמו ב JAMA, מציעים כי יעדי חמצון מותאמים אישית יכולים להפחית תמותה -; דבר שעלול להיות בעל השפעות מרחיקות לכת על הטיפול הקריטי.
בעבר, כמה קבוצות מחקר ערכו ניסויים אקראיים כדי לחקור אם רמות חמצן גבוהות או נמוכות יותר טובות יותר עבור החולים באופן כללי, אך רובן לא הניבו תשובה ברורה. ביואל ומשתפי הפעולה שלו שיערו שבמקום להצביע על כך שרמות החמצן אינן משפיעות על תוצאות המטופל, התוצאות הנייטרליות עשויות להצביע על כך שתוצאות הטיפול עבור רמות חמצן שונות משתנות לפי מטופל ופשוט. ממוצע לאפס השפעה בניסויים אקראיים.
ככל שהרפואה המותאמת אישית ממשיכה לצבור אחיזה, יש עניין גובר בשימוש בלמידת מכונה כדי ליצור תחזיות עבור מטופלים בודדים. בהקשר של אוורור מכני, מודלים אלה עשויים להשתמש במאפיינים ספציפיים של מטופל כדי לחזות רמת חמצן אידיאלית עבור כל מטופל. מאפיינים אלו כללו גיל, מין, דופק, טמפרטורת גוף וסיבה לאשפוז ביחידה לטיפול נמרץ (ICU).
"החלטנו ליצור חיזוי מבוסס ראיות מותאם אישית של מי ירוויח מיעד חמצן נמוך או גבוה יותר כאשר הם נכנסים למכשיר הנשמה", אמר ביואל, מחבר ראשון משותף למחקר.
הניסויים האקראיים הקודמים האלה לא הלכו לפח -; ביואל ומשתפי הפעולה שלו השתמשו בנתונים ממחקרים אלה כדי לתכנן ולהכשיר את מודל למידת המכונה שלהם. לאחר שהמודל פותח באמצעות נתוני ניסוי שנאספו בארה"ב, משתפי הפעולה יישמו אותו על נתונים של חולים ברחבי העולם באוסטרליה ובניו זילנד. עבור חולים שקיבלו חמצון שנפל בטווח היעד, מודל למידת המכונה חזה להיות מועיל עבורם, התמותה הייתה יכולה לרדת ב-6.4% בסך הכל.
אי אפשר להכליל תחזיות על סמך מאפיין אחד -; לדוגמה, לא כל החולים עם פציעות מוח ייהנו מרוויה נמוכה יותר של חמצן למרות שהנתונים מוטים בכיוון זה -; וזו הסיבה שהקלינאים זקוקים לכלי כמו מודל למידת המכונה של החוקרים כדי לחבר את הפסיפס של הצרכים של כל מטופל. עם זאת, Buell ציין שלמרות שהאלגוריתם עצמו מסובך, המשתנים שצוותי שירותי הבריאות יכניסו הם כולם משתנים קליניים מוכרים, מה שמקל על כל אחד ליישם כלי מסוג זה בעתיד.
ב- UChicago Medicine, צוותי בריאות כבר יכולים להשתמש באלגוריתמים המשולבים ישירות במערכת רישום הבריאות האלקטרוני (EHR) כדי ליידע תחומים אחרים של קבלת החלטות קליניות. ביואל מקווה שאוורור מכני יוכל יום אחד לתפקד באותו אופן. לבתי חולים שאולי אין להם את המשאבים לשלב למידת מכונה ב-EHR, הוא אפילו צופה יצירת אפליקציה מבוססת אינטרנט שתאפשר לרופאים להקליד את מאפייני המטופל ולקבל חיזוי כך -; כמו מחשבון מקוון. הרבה אימות, בדיקות וחידוד צריכים לקרות לפני שהיישום הקליני יוכל להפוך למציאות, אבל המטרה הסופית הופכת את המחקר העתידי הזה לשווה את ההשקעה.
במאמר מערכת שליווה את פרסום המאמר, כתב המומחה הנודע לטיפול נמרץ דרק אנגוס, ד"ר: "אם התוצאות נכונות וניתנות להכללה, אז ההשלכות מדהימות. אם אפשר היה לחלק כל מטופל באופן מיידי לקבוצה המתאימה לו של תועלת חזויה או להזיק ולהקצות את יעד החמצן שלהם בהתאם, ההתערבות תניב באופן תיאורטי את השיפור היחיד הגדול ביותר בחיים שניצלו ממחלות קשות בהיסטוריה של התחום".
