Štúdia nedávno uskutočnená výskumníkmi z Mass General Brigham Digital poodhalila potenciál prediktívnych modelov pri identifikácii a prevencii akútnej poruchy obličiek získanej v nemocnici (HA-AKI). HA-AKI je bežnou komplikáciou medzi hospitalizovanými pacientmi, spôsobujúcou škodlivé účinky ako chronické ochorenie obličiek, dlhšie pobyty v nemocnici, zvýšené náklady na zdravotnú starostlivosť a vyššie úmrtné percento. Cieľom štúdie bolo posúdiť účinnosť prediktívneho modelu rizika HA-AKI od spoločnosti Epic, ktoré je komerčným nástrojom strojového učenia, pri predpovedaní rizika HA-AKI.
Výskumníci trénovali model použitím dát pacientov z nemocníc MGB a následne ho testovali na súbore údajov obsahujúcom takmer 40 000 pobytov pacientov na oddeleniach štyri mesiace. Analýza ukázala, že model preukázal vyššiu presnosť pri vylúčení pacientov s nízkym rizikom, ktorí by nevyvinuli HA-AKI. Avšak čelil problémom pri presnom predpovedaní vzniku HA-AKI u pacientov s vysokým rizikom. Treba podotknúť, že výkon modelu bol úspešnejší pri identifikácii štádia 1 HA-AKI v porovnaní s vážnejšími prípadmi.
Dr. Sayon Dutta, hlavný autor štúdie, zdôraznil potenciálne výhody použitia prediktívnych modelov na podporu klinických rozhodnutí, napríklad odporúčanie nepodávať pacientom ohrozeným HA-AKI nefrotoxické lieky. Napriek tomu autori štúdie uznali potrebu ďalšieho výskumu a overenia pred implementáciou týchto modelov v klinickej praxi.
Hoci štúdia poskytuje cenné poznatky o potenciáli prediktívnych modelov pre HA-AKI, zároveň otvára dôležité úvahy. Pozorované obmedzenia pri presnom identifikovaní pacientov s vysokým rizikom naznačujú potrebu vylepšených algoritmov a upravených modelov na zvýšenie prediktívnej presnosti. Okrem toho štúdia vyzýva na ďalšie preskúmanie klinického dopadu a možných falošne pozitívnych výskytov spojených s implementáciou prediktívnych modelov.
Záverom je, že prediktívne modely, napríklad model Epic Risk of HA-AKI, predstavujú sľubný prístup k identifikácii a riadeniu rizika HA-AKI u hospitalizovaných pacientov. Avšak štúdia zdôrazňuje potrebu neustáleho výskumu a vývoja na optimalizáciu týchto modelov, zabezpečujúc ich spoľahlivosť a účinnosť v rámci rôznych populácií pacientov a štádií ochorení.
The source of the article is from the blog exofeed.nl