לחוקרים שהשתמשו בנתוני Fitbit כדי לעזור לחזות תוצאות ניתוחיות יש שיטה חדשה לאמוד בצורה מדויקת יותר כיצד חולים עשויים להתאושש מניתוח עמוד השדרה.
באמצעות טכניקות למידת מכונה שפותחו ב-AI for Health Institute באוניברסיטת וושינגטון בסנט לואיס, צ'ניאנג לו, פרופסור Fullgraf בבית הספר להנדסה מק'קלווי באוניברסיטה, שיתף פעולה עם ג'ייקוב גרינברג, MD, עוזר פרופסור לנוירוכירורגיה בבית הספר לרפואה, לפתח דרך לחזות החלמה בצורה מדויקת יותר מניתוח עמוד שדרה מותני.
התוצאות שפורסמו החודש בכתב העת הליכים של ACM על טכנולוגיות אינטראקטיביות, ניידות, לבישות וטכנולוגיות בכל מקום,הראה שהמודל שלהם עולה על מודלים קודמים כדי לחזות את תוצאות ניתוחי עמוד השדרה. זה חשוב מכיוון שבניתוחי גב תחתון וסוגים רבים אחרים של ניתוחים אורטופדיים, התוצאות משתנות במידה רבה בהתאם למחלה המבנית של המטופל, אך גם למאפייני הבריאות הגופנית והנפשית המשתנים בין המטופלים.
ההחלמה הכירורגית מושפעת מבריאות גופנית ונפשית לפני הניתוח. לחלק מהאנשים עשויים להיות קטסטרופה, או דאגה מוגזמת, לנוכח כאב שעלול להחמיר את הכאב וההחלמה. אחרים עשויים לסבול מבעיות פיזיולוגיות הגורמות לכאב חמור יותר. אם רופאים יכולים לקבל הסבר על המלכודות השונות עבור כל מטופל, זה יאפשר תוכניות טיפול אישיות טובות יותר.
על ידי חיזוי התוצאות לפני הניתוח, נוכל לעזור לבסס כמה ציפיות ולעזור בהתערבויות מוקדמות ובזיהוי גורמי סיכון גבוהים".
Ziqi Xu, דוקטורנט במעבדה של לו ומחבר ראשון על המאמר
עבודה קודמת בחיזוי תוצאות הניתוח השתמשה בדרך כלל בשאלוני מטופלים שניתנו פעם או פעמיים במרפאות אשר לוכדות רק פרוסת זמן סטטית אחת.
"זה לא הצליח לתפוס את הדינמיקה ארוכת הטווח של דפוסים פיזיים ופסיכולוגיים של המטופלים", אמר שו. אלגוריתמים קודמים של אימון מכונה מתמקדים בהיבט אחד בלבד של תוצאת הניתוח "אך מתעלמים מהטבע הרב-ממדי המובנה של התאוששות ניתוח", הוסיפה.
חוקרים השתמשו בנתוני בריאות ניידים ממכשירי Fitbit כדי לנטר ולמדוד התאוששות ולהשוות את רמות הפעילות לאורך זמן, אך מחקר זה הראה שנתוני פעילות, בתוספת נתוני הערכה אורך, מדויקים יותר בניבוי כיצד יסתדר המטופל לאחר הניתוח, אמר גרינברג.
העבודה הנוכחית מציעה "הוכחה לעיקרון" המראה, עם למידת מכונה רב-מודאלית, רופאים יכולים לראות "תמונה גדולה" הרבה יותר מדויקת של כל הגורמים הקשורים זה בזה המשפיעים על ההחלמה. בהמשך לעבודה זו, הצוות הציג תחילה את השיטות והפרוטוקול הסטטיסטיים כדי להבטיח שהם מזינים את ה-AI בתזונה מאוזנת נכונה של נתונים.
לפני הפרסום הנוכחי, הצוות פרסם הוכחה עקרונית ראשונית ב- Neurosurgery המראה כי מדידות לבישה מדווחות על ידי מטופלים ואובייקטיביות משפרות את התחזיות של החלמה מוקדמת בהשוואה להערכות מסורתיות של מטופלים. בנוסף לגרינברג ושו, מדלין פרומקין, סטודנטית לתואר שלישי בפסיכולוגיה ומדעי המוח במעבדתו של תומס רודבו באמנויות ומדעים, הייתה שותפה לכותבת הראשונה של עבודה זו. ווילסון "זאק" ריי, MD, הפרופסור של הנרי ג'י ואדית ר. שוורץ לנוירוכירורגיה בבית הספר לרפואה, היה מחבר בכיר, יחד עם רודבו ולו. רודבו נמצא כעת באוניברסיטת צפון קרולינה בצ'פל היל.
במחקר זה, הם מראים שניתן לתאם נתוני Fitbit עם מספר סקרים שמעריכים את המצב החברתי והרגשי של אדם. הם אספו את הנתונים האלה באמצעות "הערכות רגעיות אקולוגיות" (EMAs) שמשתמשות בטלפונים חכמים כדי לתת למטופלים הנחיות תכופות להעריך את מצב הרוח, רמות הכאב וההתנהגות מספר פעמים במהלך היום.
"אנו משלבים פריטים לבישים, EMA ורשומות קליניות כדי ללכוד מגוון רחב של מידע על המטופלים, מפעילויות גופניות ועד לדיווחים סובייקטיביים של כאב ובריאות נפשית ועד למאפיינים קליניים", אמר לו.
גרינברג הוסיף כי כלים סטטיסטיים מתקדמים ש-Rodebaugh ו-Frumkin סייעו לקדם, כמו "דינאמי Structural Equation Modeling", היו המפתח בניתוח הנתונים המורכבים של EMA האורך.
למחקר האחרון הם לקחו את כל הגורמים הללו ופיתחו טכניקת למידת מכונה חדשה של "למידה מרובה משימות (M)3TL)" כדי לשלב ביעילות סוגי נתונים שונים אלה כדי לחזות תוצאות התאוששות מרובות.
בגישה זו, ה-AI לומד לשקול את הקשר בין התוצאות תוך לכידת ההבדלים ביניהן מהנתונים המולטי-מודאליים, מוסיף לו.
שיטה זו לוקחת מידע משותף על משימות הקשורות זו בזו של חיזוי תוצאות שונות ולאחר מכן ממנפת את המידע המשותף כדי לעזור למודל להבין כיצד לבצע חיזוי מדויק, לפי שו.
הכל מתחבר בחבילה הסופית ומייצר שינוי צפוי עבור הפרעות הכאב שלאחר הניתוח וציון התפקוד הפיזי של כל מטופל.
גרינברג אומר שהמחקר נמשך כשהם ממשיכים לכוונן את המודלים שלהם כך שיוכלו לקחת את ההערכות המפורטות יותר הללו, לחזות תוצאות, ובעיקר, "להבין אילו סוגי גורמים ניתן לשנות כדי לשפר תוצאות לטווח ארוך יותר".
