חיזוי מי שעלול למות בבית החולים הוא אחד האתגרים הקשים ביותר עבור רופאים המטפלים באנשים עם מחלת כבד קשה.
בית ספר לרפואה של אוניברסיטת וירג'יניה של וירג'יניה, שעבד עם צוות בינלאומי המכונה הקונסורציום המנומר, דיווח היום (רביעי) כי הם פיתחו מודל AI שיכול לעזור להציל חיים על ידי מתן חיזוי טוב יותר אשר חולי כבד מאושפזים נמצאים בסיכון הגדול ביותר למות. הצוות דיווח על עבודתו בכתב העת גסטרואנטרולוגיהו
Jasmohan Bajaj, MD, שנמצא גם במכון VCU Stravitz-Sanyal למחלות כבד ובריאות המטבולית והמרכז הרפואי למינהל הוותיקים של ריצ'מונד, אמר כי אם רופאים יישמו את מודל הבינה המלאכותית, הרופאים יכולים לפעול מוקדם יותר, להנחות שיחות קשות עם משפחות ומכוונות לטיפול שלהם בחולים עם קרום. באג'ג 'הוא הסופר המקביל במחקר הקונסורציום, שכלל אלפי חולים ברחבי העולם, כולל למעלה מ- 29,000 ותיקים צבאיים בארה"ב.
המשמעות היא שלרופא יכול להיות יותר אמון לגבי חולים זקוקים לטיפול הדחוף ביותר, אילו עשויים להזדקק לדיונים בהוספיס עם בני משפחה, שיכולים להזדקק להעברה לבתי חולים מצוידים טוב יותר ואילו חולים צפויים להתאושש. מבחינה רפואית ולא רפואית, אנו יכולים לגשת טוב יותר למטופל אם יש לנו טיפול טוב יותר במצבו של המטופל. "
Jasmohan Bajaj, Md
שחמת מתרחשת כאשר הכבד נפגע כל כך קשה מאלכוהול, דלקת כבד או עודף שומן, עד שהוא כבר לא יכול לעבוד כראוי. לעתים קרובות חולים מתמודדים עם השהות מרובות בבית חולים וסיבוכים מסוכנים, כולל זיהומים קשים, אי ספיקת כליות ובלבול המכונה אנצפלופתיה בכבד. לאחר אושפזים, הם עומדים בסיכון גבוה למוות, ובכל זאת חיזוי אילו חולים בסכנה הגדולה ביותר קשה.
כדי לבדוק אם AI יכול לעזור לרופאים להעריך את חולים המאושפזים שלהם בשחמת, הצוות פנה בתחילה למסד נתונים של קונסורציום שנאסף באופן פרוספקטיבי של מידע בריאותי מפורט על יותר מ- 7,000 חולים עם שחמת. חולים אלה טופלו ב 121 בתי חולים בשש יבשות, מארצות הברית לאסיה ואפריקה. החוקרים רשמו מדוע אושפזו המטופלים, אילו סיבוכים היו להם, אילו טיפולים הם קיבלו והאם הם שרדו את השהות בבית החולים.
באמצעות כלי למידת מכונות מתקדמים, הצוות בדק עד כמה ארבעה מודלים שונים יכולים לחזות אילו חולים ימותו בבית החולים. אחד הכלים היה שיטה סטטיסטית מסורתית, ושלושת האחרים השתמשו בגישות למידת מכונות חדשות יותר.
הצוות מצא כי מודל ניתוח היער האקראי עבד בצורה הטובה ביותר והשיג את השיטה הסטטיסטית הישנה יותר על ידי איסוף שלטי אזהרה נסתרים. למודל היער האקראי היה ציון דיוק של 0.815, גבוה יותר משיטת הרגרסיה הלוגיסטית המסורתית, שקלעה 0.773.
גם כאשר הצוות פשט את המודל ל -15 גורמי הסיכון החזקים ביותר, מה שהופך אותו לנגיש מאוד לשימוש ברחבי העולם, הוא עדיין ביצע טוב יותר מהשיטה הישנה יותר. הגורמים הקריטיים ביותר היו האם חולה בשחמת אושפז בגלל אי ספיקת כליות, סבלו מסיבוכים מוחיים חמורים או חוו זיהומים, מה שמעלה את הסיכון למות בבית החולים.
לאחר שמזוהה מטופל כסיכון גבוה, אמר באג'ג ', ספקי הבריאות יכולים להעצים טיפול וניהול סיבוכים כדי למנוע החמרה של מצבו של המטופל. אם מטופל נמצא בקו הגבול להשתלת כבד, ניתן לשקול אותו להשתלת כבד מוקדם יותר מאשר במאוחר.
"ניתן היה להעביר חולים בסיכון גבוה לבית חולים אחר לטיפול טוב יותר", אמר באג'ג '. "והדבר האחרון הוא, אם סביר להניח שהם בדרך לעבר ירידה ואולי גם טיפול פליאטיבי, ניתן לקבל החלטות אלה מוקדם יותר, כאשר המטופל עדיין ער וערני ויכול להשתתף בהפיכתן.
"מצד שני," המשיך באג'ג ', "אם המטופל הוא בסיכון נמוך, הרופאים יכולים להרגיש בטוחים יותר בהתמקדות בתכנון התאוששות ובתכנון שחרור."
לאחר מכן הצוות בדק את אותו המודל בכ- 29,000 ותיקים צבאיים בארה"ב בשחמת שטופלו בבתי חולים VA. אפילו בקרב אותם חולים, שהיו מבוגרים יותר ובעיקר גברים, מודל ה- AI ביצע ביצועים טובים יותר מערכות ניקוד סטנדרטיות, והעניק לרופאים מושג ברור יותר מהם החולים עשויים לשרוד או לא.
הקונסורציום חולק את הכלי עם בתי חולים המטפלים בחולים עם מחלות כבד מתקדמות, הן בארה"ב והן בחו"ל. צוות המחקר עיצב את הכלי לצורך קלות השימוש; רופאים צריכים רק להזין את 15 פרטי המטופל החשובים ביותר כדי לקבל אומדן סיכון אמין.
"חיזוי טוב יותר פירושו תכנון טוב יותר," אמר באג'ג '. "כשאנחנו יודעים מי הכי בסיכון, אנו יכולים למקד לטיפול, לדבר עם משפחות מוקדם ולמקד את המשאבים שלנו במקום שהם הכי חשובים."
חוקרים אחרים של VCU ו- Richmond VA שהשתתפו במחקר כללו Somaya Albhaisi, MD; בריאן בוש; נילנג פאטל, ד"ר; Jawaid Shaw, MD; סקוט סילווי; ולירוי תאקר, Ph.D.
