Модель искусственного интеллекта, прогнозирующая двухлетний риск развития распространенного заболевания сердца, может быть легко интегрирована в рабочий процесс здравоохранения
AFib (сокращение от atrial fibrillation), распространенное нарушение сердечного ритма у взрослых, может иметь катастрофические последствия, включая опасные для жизни тромбы и инсульт, если его не обнаружить или не лечить. Недавнее исследование показывает, что UNAFIED, высокоточная модель прогнозирования на основе искусственного интеллекта (ИИ), которая использует машинное обучение для анализа информации, полученной из электронной медицинской карты пациента (EHR), чтобы предсказать, есть ли у пациента или может ли развиться обнаруживаемая AFib в течение следующих двух лет, может быть легко интегрирована в рабочий процесс здравоохранения.
Исследование опубликовано в журнале BMC Medical Informatics and Decision Making .
UNAFIED — это аббревиатура от «прогнозирование недиагностированной фибрилляции предсердий с использованием электронных медицинских данных».
Тестируя реализацию и производительность в реальных условиях, исследователи сообщили, что врачи в загруженной медицинской практике в системе здравоохранения Эскенази в Индианаполисе, которые регулярно использовали модель прогнозирования риска UNAFIED , обнаружили, что она проста в использовании и не требует много времени. Что наиболее важно, врачи, участвовавшие в исследовании, указали, что, по их мнению, она помогла улучшить уход за пациентами . Неинвазивный, недорогой подход обеспечивает практичный вариант для проактивного скрининга пациентов, особенно большого числа лиц с повышенным риском ФП.
К лицам с повышенным риском развития мерцательной аритмии относятся взрослые, страдающие ожирением, многими типами заболеваний сердца, диабетом 2 типа или апноэ во сне , а также курильщики, злоупотребляющие алкоголем или имеющие семейный анамнез этого заболевания.
«К сожалению, мерцательная аритмия может протекать бессимптомно, пока не станет катастрофической. Мы разработали и проверили эту модель прогнозирования риска, чтобы выявить случаи, когда мерцательная аритмия протекает бессимптомно, но все равно возникает или может возникнуть», — сказал научный сотрудник Института Регенстрифа Рэндалл Гроут, доктор медицины, магистр наук. «Основные цели модели UNAFIED — предотвратить очень серьезные отрицательные медицинские последствия и даже смерть.
«Используя такие показатели, как пол, рост и вес, предыдущие диагнозы заболеваний сердца или почек — информацию, которая уже легко доступна клиницисту, — наша модель показала себя на переднем крае. Она не требует дополнительных шагов, что позволяет клиницистам легко интегрировать ее в свою практику».
Доктор Гроут является первым автором клинического исследования внедрения UNAFIED, соавтором национального валидационного исследования и первым автором исследования разработки. Помимо своей должности в Regenstrif, доктор Гроут является преподавателем Медицинской школы Университета Индианы и главным специалистом по информатике в здравоохранении в Eskenazi Health.
В исследовании клинического внедрения UNAFIED был интегрирован в систему EHR загруженной кардиологической клиники, что позволило алгоритму, на котором основан UNAFIED, рассчитывать прогнозируемый риск для каждого пациента индивидуально. Если фактор риска оказывался выше определенного порога, модель предоставляла кардиологу визуальные индикаторы того, что у пациента может быть повышенный риск необнаруженной AFIb или развития AFIb в течение следующих двух лет.
Рабочий процесс также предоставляет рекомендации, такие как выполнение последующего сердечного ритма и других тестов, а также предлагает способы документирования в EHR для более высокого риска или того, что у пациента может быть ФП, даже если это состояние ранее было исключено. Уважая профессиональные знания и опыт, модель предлагает врачу возможность игнорировать или обходить подсказки.
По данным Центров по контролю и профилактике заболеваний , ежегодно в США регистрируется более 454 000 госпитализаций с основным диагнозом ФП. Это состояние приводит к примерно 158 000 смертей в США каждый год.
Доктор Гроут отмечает, что хотя алгоритм, на котором основан UNAFIED, был создан для прогнозирования необнаруженной ФП, уроки, извлеченные из разработки этой модели, можно использовать для разработки алгоритмов для моделей, ориентированных на другие состояния, а также на конкретные группы населения или географические регионы. Хотя некоторые из используемых предикторных переменных могут быть одинаковыми во многих или большинстве моделей — например, возраст пациента — другие, такие как история определенных диагнозов, можно настроить для конкретного изучаемого заболевания.