Model strojového učenia dokáže presne predpovedať mŕtvicu
- Autor:
- Roman Mališka
- Zverejnené:
- 25. 4. 2023
- Hodnotenie:
- Už ste hlasovali.
Diagnostika cievnej mozgovej príhody môže byť zložitá, pretože pacienti nemajú vždy klasické príznaky a môžu ju imitovať aj iné ochorenia. Výskumníci však použili existujúce údaje na vytvorenie modelu strojového učenia, ktorý presne predpovedá mozgovú príhodu a môže uľahčiť diagnostiku.
Diagnostické chyby predstavujú veľký problém v oblasti verejného zdravia a prispievajú k poškodeniu zdravia pacientov, ktorému sa dá predísť, a k nadmerným výdavkom na zdravotníctvo. Úmrtia na mozgovú príhodu, ktorým sa dá predísť v dôsledku diagnostických chýb, sú 30-krát častejšie ako nesprávne diagnostikované srdcové príhody.
Cievnu mozgovú príhodu možno diagnostikovať obzvlášť ťažko, pretože jej príznaky a symptómy môžu byť imitované inými stavmi, ako sú záchvaty, migrény, psychiatrické poruchy a intoxikácia drogami a alkoholom. Okrem toho sa mozgová príhoda môže prejavovať atypickými príznakmi. Približne 25 % pacientov s cievnou mozgovou príhodou nemá obvyklé problémy s rečou, pokles tváre a slabosť končatín, čo ešte viac komplikuje schopnosť lekára stanoviť presnú diagnózu.
Výskumníci z univerzít Carnegie Mellon, Florida International a Santa Clara aj preto vyvinuli automatický skríningový nástroj využívajúci technológiu strojového učenia, ktorý má diagnostiku mozgovej príhody čiastočne odľahčiť.
„Metódy strojového učenia boli použité na pomoc pri odhaľovaní cievnej mozgovej príhody interpretáciou podrobných údajov, ako sú klinické poznámky a výsledky diagnostických zobrazovacích vyšetrení,“ povedal Rema Padman, zodpovedajúci autor štúdie. „Takéto informácie však nemusia byť ľahko dostupné, keď sú pacienti na začiatku triedení na pohotovostných oddeleniach nemocníc, najmä vo vidieckych a nedostatočne obsluhovaných komunitách“.
Na vytvorenie svojho algoritmu na predpovedanie mozgovej príhody výskumníci použili viac ako 143 000 individuálnych záznamov pacientov z hospitalizácií v nemocniciach akútnej starostlivosti na Floride v rokoch 2012 až 2014. Zahrnuli doň aj údaje z prieskumu American Community Survey, ktorý uskutočnil Úrad pre sčítanie ľudu USA a ktorý obsahoval demografické údaje, ako napríklad vek, pohlavie, rasu a existujúce zdravotné ťažkosti.
Model strojového učenia pritom predpovedal mozgovú príhodu s 84 % presnosťou. Bol tiež vysoko citlivý, čím prekonal existujúce diagnostické modely, ktoré majú tendenciu prehliadnuť až 30 % mozgových príhod.
„Stredná citlivosť existujúcich modelov vyvoláva obavy, že im uniká značné percento ľudí s mozgovou príhodou,“ povedal Min Chen, hlavný autor štúdie. „V nemocniciach s nedostatkom lekárskych zdrojov a klinického personálu môže náš algoritmus doplniť súčasné modely a pomôcť rýchlo uprednostniť pacientov na vhodnú intervenciu“.
Výsledky štúdie naznačujú, že tento model strojového učenia dokáže presne predpovedať pravdepodobnosť, že osoba mala alebo má cievnu mozgovú príhodu ešte pred získaním potvrdenia prostredníctvom diagnostických zobrazovacích alebo laboratórnych testov.
„Keďže náš model nevyžaduje klinické záznamy ani výsledky diagnostických testov, mohol by byť obzvlášť užitočný pri riešení problémov s nesprávnou diagnózou, keď ide o pacientov s mŕtvicou s miernejšími a atypickými príznakmi,“ povedal Xuan Tan, spoluautor štúdie. „Mohla by byť užitočná aj na pohotovostných oddeleniach centier s malým počtom pacientov, kde sú poskytovatelia denne v obmedzenom kontakte s cievnou mozgovou príhodou, a vo vidieckych oblastiach s obmedzenou dostupnosťou citlivých diagnostických nástrojov“.
Vedci však upozorňujú, že ich algoritmus nemá byť samostatným modelom. Mal by sa používať v spojení s existujúcimi modelmi diagnostiky cievnej mozgovej príhody. Odporúčajú, aby bol ich algoritmus predpovede mozgovej príhody začlenený do automatizovaného, počítačom podporovaného skríningového nástroja, ktorý by bol dostupný v čase prijatia do nemocnice.
Štúdia bola nedávno uverejnená v magazíne Journal of Medical Internet Research.
