Если вас когда-либо госпитализировали или вы посещали отделение неотложной скорой помощи, вам, скорее всего, делали электрокардиограмму - стандартный тест с использованием крошечных электродов, прикрепленных к груди, который проверяет ритм и активность сердца. Обычно ЭКГ в больнице читает врач или медсестра, но теперь ученые смогут использовать искусственный интеллект для получения еще большей информации из этих результатов, чтобы одновременно была возможность улучшить лечение пациента и в целом улучшить систему здравоохранения.
В недавно опубликованных результатах исследования в журнале npj Digital Medicine исследовательская группа создала и обучила программы машинного обучения на основе 1,6 миллиона ЭКГ, собранных у 244 077 пациентов в период с 2007 по 2020 год. Алгоритм ИИ предсказал риск смерти от всех причин для каждого пациента в течение одного месяца, одного года и пяти лет с точностью 85%, распределив пациентов по пяти категориям от самого низкого до самого высокого риска.
Прогнозы были еще более точными, если исследователи добавляли демографическую информацию (возраст и пол) и результаты шести стандартных лабораторных анализов крови. По словам автора исследования Падмы Каул, проведенная научная работа является доказательством использования регулярно собираемых данных для улучшения индивидуального ухода и позволяет системе здравоохранения "учиться" на ходу. "Мы хотели узнать, можно ли использовать новые методы, такие как искусственный интеллект и машинное обучение, для анализа данных и выявления пациентов с повышенным риском смерти", - объясняет Каул. "Эти результаты иллюстрируют, как модели машинного обучения могут быть использованы для преобразования данных, регулярно собираемых в клинической практике, в знания, которые могут быть использованы для повышения эффективности принятия решений на этапе оказания медицинской помощи в рамках самообучающейся системы здравоохранения".
Врач назначает электрокардиограмму, если у пациента повышенное давление или есть симптомы сердечных заболеваний, такие как боль в груди, одышка или нерегулярное сердцебиение. На первом этапе исследования изучались результаты ЭКГ всех пациентов, но Каул и ее команда надеются усовершенствовать эти модели для определенных подгрупп пациентов.
Они также планируют сфокусировать прогнозы не только на смертности от всех причин, но и на причинах смерти, связанных с сердцем. "Мы хотим использовать данные, генерируемые системой здравоохранения, преобразовывать их в знания и передавать их обратно в систему, чтобы мы могли улучшить уход и результаты. Это и есть определение самообучающейся системы здравоохранения".
Возможность и ценность общения данных электрокардиограммы с общими медицинскими данными на уровне населения для содействия развитию самообучающейся системы здравоохранения до конца не изучены. Мы разработали модели машинного обучения на основе ЭКГ для прогнозирования риска смертности среди пациентов, поступающих в отделение неотложной помощи или больницу по любой причине. Данное исследование демонстрирует достоверность моделей прогнозирования смертности на основе ЭКГ на популяционном уровне, которые могут быть использованы для прогнозирования в отделение оказания медицинской помощи.
Подписывайтесь на Телеграм
Еще от Аммиак:
