Mašininio mokymosi metodas nustato skirtingas klinikines pneumonijos būsenas, kad padėtų numatyti rezultatus

Mašininio mokymosi metodas nustato skirtingas klinikines pneumonijos būsenas, kad padėtų numatyti rezultatus

Ligos, sindromai

Du pacientai, gydomi nuo pneumonijos – infekcijos, dėl kurios pasunkėja kvėpavimas dėl skysčių pripildytų maišelių plaučiuose – gali atrodyti labai skirtingai ir turėti priešingų rezultatų. Tačiau gydytojai stengiasi tiksliai numatyti pacientų prognozes ir nustatyti veiksmingiausius gydymo būdus.

Dabar, taikydami sudėtingą mašininio mokymosi metodą plaučių uždegimu sergančių pacientų elektroniniams sveikatos įrašams (EHR), Šiaurės vakarų universiteto mokslininkai atskleidė penkias skirtingas klinikines pneumonijos būsenas, iš kurių trys yra stipriai susijusios su ligos baigtimi, o dvi gali padėti gydytojams. nustatyti ligos priežastį. Viena iš valstybių buvo susijusi su 7,5% tikimybe mirti per 24 valandas.

Straipsnis, kuriame aprašomas naujas požiūris ir jo kūrimui naudojami duomenys, vėliau šią savaitę bus paskelbtas žurnale Nacionalinės mokslų akademijos darbai. Tyrėjai teigia, kad šis metodas gali padėti gydytojams priimti geriau informuotus sprendimus dėl kritinės būklės pacientų gydymo ir būti taikomas daug plačiau.

Plaučių uždegimą, pagrindinę mirties priežastį visame pasaulyje, sunku gydyti dėl įvairių būdų, kaip ji gali pasireikšti ir būti įgyta, ir dėl galimo per didelio antibiotikų vartojimo. Gydytojai istoriškai naudojo priežastį, kad atskirtų plaučių uždegimo pacientus intensyviosios terapijos skyriuose, suskirstydami juos į tris kategorijas: bendruomenėje įgytas (tai gali reikšti ankstesnę bakterinę ar virusinę infekciją), ligoninėje įgytą ir ventiliacijos aparatą įgytą (išsivysčiusią po to, kai pacientui reikalinga mechaninė ventiliacija). ).

Tačiau pagrindinis tyrimo autorius iš Northwestern Luís Amaral teigė, kad šie duomenys gydytojams stebėtinai mažai pasako apie paciento galimybę pasveikti.

„Kiti būdai klasifikuoti sergančiųjų pneumonija būklę nėra tokie diskriminaciniai“, – sakė Amaralas. „Jie atlieka blogesnį darbą numatydami ligos progresavimą ir prognozę, o tai ypač svarbu priimant sprendimus dėl gyvenimo pabaigos. Mūsų tyrimas yra pirmasis, parodantis, kad egzistuoja tvirtai identifikuojamos, skirtingos klinikinės būklės.”

Amaral, sudėtingų sistemų ir duomenų mokslo ekspertas, yra Erastus Otis Haven inžinerijos mokslų ir taikomosios matematikos profesorius Northwestern McCormick inžinerijos mokykloje.

Amaral teigė, kad asmenų išgyvenimo galimybių supratimas gali padėti pasiruošti šeimos nariams netektims ir padėti gydytojams išvengti per didelio gydymo.

Penkios būsenos integruoja daugelio tipų duomenis (kūno temperatūrą, kvėpavimo dažnį, gliukozės kiekį, deguonies lygį ir kt.), kad nustatytų ryšius tarp skirtingų matavimų. Tyrėjai nustatė, kad linijiniai kintamųjų, apibūdinančių motorinį atsaką, inkstų funkciją, širdies susitraukimų dažnį, sistolinį kraujospūdį, kvėpavimo dažnį ir aukštą kraujospūdį, deriniai suteikė daugiausiai informacijos apie paciento būklę.

Komanda įveikė keletą iššūkių, nes sukūrė mašininio mokymosi priemonių rinkinį, kad sugrupuotų pacientų būklę iš dviejų EHR duomenų šaltinių, kurių vienas yra Šiaurės vakarų projektas, vadinamas SCRIPT, o kitas iš standartinio klinikinių duomenų rinkinio. Pirma, daugelio tipų duomenys turėjo būti integruoti, nepaisant to, kad jie buvo renkami skirtingais dažniais.

Komanda taip pat turėjo sukurti naują testą, kuris parodytų metodo patikimumą. Trečia, jie turėjo nustatyti, ar šiuose fiziologiniuose kintamuosiuose esanti informacija gali būti „suspausta“ į daug mažesnį tų kintamųjų derinių skaičių.

Gauti duomenys leido tyrėjams nustatyti penkias skirtingas grupes, kurias jie prilygino skirtingoms klinikinėms būsenoms, kurių vertė prognozuojant pacientų mirtingumą buvo daug didesnė nei dabartinių metodų. Keista, bet viena iš nustatytų grupių surinko daugiausiai pacientų, kurių pneumonija buvo susijusi su COVID-19 infekcija.

Techninė pažanga, sukurta atliekant šį tyrimą, gali būti naudinga kituose kontekstuose. Tiesą sakant, pasak Feihong Xu, tyrimo pagrindinio autoriaus ir Amaral laboratorijos magistrantūros, komanda „dabar taiko šiuos metodus eksperimentiniams duomenims iš pelių sepsio modelio“.

Kol kas jų analizė dar turi ištirti, kodėl kai kurie pacientai pereina iš vienos būsenos į kitą, ką dabar tiria mokslininkai. Būsimi plaučių uždegimo ir kitų ligų tyrimai galiausiai galėtų būti veiksmingesnių ir nuspėjamų gydymo galimybių pagrindas.