מחלת כליות כרונית (CKD) היא מצב מורכב המסומן על ידי ירידה הדרגתית בתפקוד הכליות, שיכול בסופו של דבר להתקדם למחלות כליות שלב הקצה (ESRD). באופן גלובלי, שכיחות ה- CKD נעה בין 8% ל -16%, כאשר כ -5% ל -10% מאלו שאובחנו בסופו של דבר מגיעים ל- ESRD, מה שהופך אותו לאתגר גדול לבריאות הציבור.
במחקר חדש, החוקרים השתמשו במודלים של למידת מכונות ולמידה עמוקה, כמו גם בינה מלאכותית הניתנת להסבר (AI), כדי להעריך נתונים קליניים משולבים וטוענים במטרה לשפר את החיזוי של התקדמות CKD ל- ESRD. המודלים המשולבים ביצעו ביצועים טובים יותר של מודלים של מקור נתונים בודדים, שיכולים לשפר את ניהול CKD, לתמוך בהתערבויות ממוקדות ולהפחית את הפערים בתחום הבריאות.
המחקר, על ידי חוקרים באוניברסיטת קרנגי מלון, מופיע ב Journal of the American Informaticו
"המחקר שלנו מציג מסגרת חזקה לחיזוי תוצאות ESRD, ולשפר את קבלת ההחלטות הקליניות באמצעות נתונים משולבים עם מקורות רב ואנליטיקס מתקדם", מסביר רמה פדמן, פרופסור למדעי הניהול ואינפורמטיקה בתחום הבריאות במכללת היינץ של קרנגי מלון, שהובילה את המחקר. "מחקר עתידי ירחיב את שילוב הנתונים וירחיב את המסגרת הזו למחלות כרוניות אחרות."
התקדמות CKD מסווגת לחמישה שלבים, והגיעה לשיאה ב- ESRD, כאשר תפקוד הכליות יורד ל 10% עד 15% מהיכולת הרגילה, ומחייב דיאליזה או השתלה להישרדות המטופלים. ההשפעה הכלכלית של CKD היא משמעותית, כאשר חלק קטן יחסית של חולי CKD של Medicare CKD בארה"ב התורמים לחלק גבוה באופן לא פרופורציונאלי מהוצאות הרפואה, במיוחד כאשר הם מתקדמים ל- ESRD. בנוסף, יותר משליש מחולי ESRD מועברים מחדש תוך 30 יום מיום השחרור, ומדגישים את הצורך הקריטי בגילוי וניהול מוקדם של המחלה כדי למנוע את התקדמותה ל- ESRD, לשפר את תוצאות בריאות המטופלים ולהפחית את עלויות הבריאות.
במחקר זה, החוקרים השתמשו בנתונים של יותר מ -10,000 חולי CKD, תוך שילוב מידע קליני ותביעות משנת 2009 עד 2018. הם העריכו מודלים מרובים סטטיסטיים, למידת מכונות ולמידה עמוקה באמצעות חמישה חלונות תצפית מובחנים. עבודתם נתמכה על ידי AI הניתן להסבר כדי לשפר את הפרשנות ולהפחתת ההטיה.
דגמי הנתונים המשולבים של המחקר ביצעו ביצועים טובים יותר של מודלים של מקור נתונים בודדים. חלון תצפית בן 24 חודשים מאוזן באופן אופטימלי לגילוי מוקדם ודיוק חיזוי. משוואת שיעור הסינון הגלומרולרי של 2021 משנת 2021 שיפרה את דיוק החיזוי והפחיתה את ההטיה הגזעית, במיוחד עבור חולים אפרו -אמריקאים.
העבודה שלנו מגשרת על פער קריטי על ידי פיתוח מסגרת המשתמשת בנתוני קליניים משולבים וטוענים ולא במקורות נתונים מבודדים. על ידי צמצום חלון התצפית הדרוש לתחזיות מדויקות, הגישה שלנו מאזנת את הרלוונטיות הקלינית עם פרקטיות מרוכזת בחולה; שילוב זה משפר הן דיוק חזוי והן את התועלת הקלינית, ומאפשר לקבלת החלטות מושכלות יותר לשפר את תוצאות המטופלים. "
Yubo Li, Coauthor, סטודנט לתואר שלישי במכללת היינץ של קרנגי מלון
בין מגבלות המחקר, המחברים טוענים כי הסתמכותם על נתונים ממוסד אחד עשויה להגביל את ההכללה של המודל שלהם להגדרות טיפול אחרות. בנוסף, השימוש שלהם בנתונים מרשומות בריאות אלקטרוניות יכול להציג הטיה תצפיתית, רשומות לא שלמות וייצוג תת -ייצוג של קבוצות חולים מסוימות, שיכולות לערער הן דיוק והן הוגנות.
