לאחרונה Npj רפואה דיגיטלית המחקר העריך את היעילות של COMPOSER, מודל למידה עמוקה לחיזוי אלח דם מוקדם. הוא העריך את ההשפעה של מודל זה על איכות הטיפול בחולים ושיעורי ההישרדות הקשורים למצב זה.
מחקר: השפעת מודל חיזוי אלח דם למידה עמוקה על איכות הטיפול וההישרדות. קרדיט תמונה: Kateryna Kon / Shutterstock
רקע כללי
אלח דם הוא מצב חמור המתרחש כאשר הגוף מגיב לזיהום בצורה לא נכונה. על פי הערכה עדכנית, כ-48.9 מיליון אנשים ברחבי העולם מפתחים אלח דם, ורבים מתים מדי שנה ממצב זה. גילוי מוקדם של אלח דם הוא קריטי מכיוון שהוא מניע את תוצאת המחלה הכוללת.
מספר אסטרטגיות, כגון החייאת נוזלים ומתן אנטיביוטיקה, הופעלו לטיפול באלח דם בבתי חולים. קשה לזהות אנשים עם אלח דם בגלל ההטרוגניות הקשורה למצב זה. כדי להתגבר על אתגר זה, תוכננו מודלים חזויים לזיהוי מוקדם של אלח דם.
מודל למידה עמוקה יכול להיות שימושי באופן משמעותי בחיזוי אלח דם מכיוון שיש לו את היכולת לנתח מתאמים לא ליניאריים, זמניים ומורכבים בין גורמי סיכון. בנוסף, מודל זה יכול להתמודד עם מערכי נתונים גדולים ורב-מודאליים המכילים הערות קליניות, הדמיה רדיולוגית ונתוני חיישנים לבישים. יתרון נוסף של מודלים מבוססי למידה עמוקה הוא המסגרת הגמישה שלהם ללמידה בהעברה.
כפי שהוזכר קודם לכן, COMPOSER הוא מודל חיזוי מבוסס למידה עמוקה לאלח דם, אשר משיג נתונים בריאותיים בזמן אמת מרשומות אלקטרוניות כדי לחזות את המצב. מספר מצומצם של אלגוריתמים של אלח דם נבדקו כדי להבין את יעילותם בהתייחס לתוצאות המטופל. יש לציין שהאלגוריתמים הקיימים הראו ערך ניבוי חיובי גרוע (PPV). התראה חיובית כוזבת תכופה של מודלים אלה פיתחה חוסר אמון משמעותי ביחס ליעילותם. בניגוד לאלגוריתמים אלו, COMPOSER תוכנן להפחית אזעקות שווא על ידי זיהוי דגימות מוזרות.
על המחקר
המחקר הנוכחי בדק את היעילות של מודל הלמידה העמוקה COMPOSER בזיהוי מוקדם של אלח דם והשפעתו על תוצאות המטופל. לצורך ניתוח ציון סיכונים, מודל הרשת העצבית הזה שילב דמוגרפיה של מטופלים, דוחות מעבדה, סימנים חיוניים, מחלות נלוות ותרופות נלוות.
בהתבסס על ציון זה, ניתן היה לחזות את הרגישות של חולים לפתח אלח דם תוך ארבע שעות. חשוב לציין, מודל זה נועד להימנע מדגימות מחוץ להפצה שעלולות להתרחש עקב שגיאות בהזנת נתונים או מקרים לא ידועים.
צוות רופאים העריך את תפוקות COMPOSER כדי לקבוע את הדיוק והתועלת של התראות האלח דם. בהתבסס על המלצות הרופאים, הותאם האלגוריתם. בשלב ההטמעה נמסר לצוות הסיעודי מידע מתאים על מודל COMPOSER.
ייעוץ לשיטות עבודה מומלצות COMPOSER.
ממצאי מחקר
המחקר הכמו-ניסוי הנוכחי לפני ואחרי העריך את היעילות של מודל למידה עמוקה בזמן אמת בחיזוי אלח דם בשתי מחלקות חירום (ED). מעניין לציין כי נצפתה עלייה של 5.0% בהיענות לצרור אלח דם, יחד עם ירידה בתמותה הקשורה לאלח דם בבית החולים ב-1.9%.
סך של 6,217 חולים ב-EDs בין ה-1 בינואר 2021 ל-30 באפריל 2023, מילאו את קריטריוני הכשירות של אלח דם המתוארים בקונצנזוס אלח דם-3. בסך הכל זוהו 5065 חולים בשלב שלפני ההתערבות ו-1152 בשלב שלאחר ההתערבות.
רוב החולים עם אלח דם הראו רמות דומות של תחלואה נלווית. מאפיינים בסיסיים דומים נצפו במקרים של טרום התערבות ואחרי התערבות. במהלך התקופה שלאחר ההתערבות, נוצרו כ-235 התראות בחודש על ידי הצוות הסיעודי. ההערכה הייתה שכל אחות יצרה כ-1.65 התראות מדי חודש.
המחקר הנוכחי הוכיח כי השימוש במודלים של למידה עמוקה במסגרות קליניות ישפר במידה ניכרת את תוצאות אלח דם ביניים, כגון פחות פגיעה באיברים ב-72 שעות מהופעת אלח דם. בהתבסס על תחזית המודל, 55% מהחולים קיבלו אנטיביוטיקה מוקדם יותר, מה שיכול היה לתרום להפחתת התמותה בבית החולים.
יש לציין כי מודל הלמידה העמוקה של COMPOSER הצליח להפחית אזעקות שווא בצורה משמעותית. זה הפחית משמעותית את הזמן המיותר המושקע באבחנות כוזבות ובמשאבים המשמשים לאותו הדבר.
מסקנות
למחקר הנוכחי יש כמה מגבלות, כולל היעדר רנדומיזציה. זה עיכב את קביעת מסקנות סיבתיות או סיפק תובנות מכניסטיות לגביהן. למרות שקבוצה גדולה משני ED נבדקה במחקר זה, יש צורך גם באימות חיצוני מבתי חולים אחרים. ההשפעה של ההתראות שנוצרו על ידי מודל אלח דם למידה עמוקה על חולים, במיוחד אלה שלא פיתחו בסופו של דבר אלח דם, לא הוערכה.
למרות המגבלות, מחקר זה הראה כי השימוש במודלים של חיזוי אלח דם מבוססי הישענות עמוקה במסגרות קליניות יכול להפחית באופן חיובי את התמותה הפנימית. לדוגמה, כ-55% מהמקרים הועברו לרופאים בהקדם האפשרי, שקיבלו התערבות אנטיביוטית בזמן. זה הביא לירידה בפגיעה באיברים לאחר 72 שעות. יתר על כן, מודל זה גם איפשר תאימות רבה יותר לצרור אלח דם.
