Госпитальное острое повреждение почек (ГА-ОПП) является частым осложнением у госпитализированных пациентов, которое может привести к хронической болезни почек и связано с более длительным пребыванием в больнице, более высокими расходами на здравоохранение и повышенной смертностью. Учитывая эти негативные последствия, предотвращение ГА-ОПП может улучшить результаты госпитализации пациентов. Однако предвидеть начало ГА-ОПП сложно из-за большого количества сопутствующих факторов.
Исследователи из Mass General Brigham Digital протестировали коммерческий инструмент машинного обучения, прогностическую модель Epic Risk of HA-AKI, и обнаружили, что она умеренно успешна в прогнозировании риска HA-AKI на основе записанных данных пациентов . Исследование выявило более низкую производительность, чем результаты внутренней проверки Epic Systems Corporation, что подчеркивает важность проверки моделей ИИ перед их клиническим внедрением.
Модель Epic работает путем оценки обращений взрослых пациентов в стационар на предмет риска HA-AKI, отмеченного заранее определенным повышением уровня креатинина в сыворотке. После обучения модели с использованием данных больниц МГБ исследователи протестировали ее на данных почти 40 000 госпитализаций за пятимесячный период с августа 2022 года по январь 2023 года. такие как демографические данные пациентов, сопутствующие заболевания, основной диагноз, уровень креатинина в сыворотке и продолжительность пребывания в больнице. Было проведено два анализа, посвященных эффективности моделей на уровне встреч и на уровне прогнозирования.
Исследователи отметили, что этот инструмент был более надежным при оценке пациентов с более низким риском HA-ОПП. Хотя модель могла уверенно определить, у каких пациентов с низким риском не разовьется ГА-ОПП, она с трудом могла предсказать, когда у пациентов с более высоким риском может развиться ГА-ОПП. Результаты также варьировались в зависимости от оцениваемой стадии ГА-ОПП: прогнозы были более успешными для ГА-ОПП стадии 1 по сравнению с более тяжелыми случаями.
В целом авторы пришли к выводу, что внедрение может привести к высокому уровню ложноположительных результатов, и призвали к дальнейшему изучению клинического воздействия инструмента.
«Мы обнаружили, что прогностическая модель Epic лучше исключает пациентов с низким уровнем риска, чем выявляет пациентов с высоким риском», — сказал ведущий автор исследования Сайон Датта, доктор медицинских наук, магистр здравоохранения из группы клинической информатики Mass General Brigham Digital и врач неотложной медицины. в Массачусетской больнице общего профиля. «Идентификация риска ГА-ОПП с помощью прогностических моделей может помочь поддержать клинические решения, например, предостерегая поставщиков от назначения нефротоксичных препаратов, но перед клиническим внедрением необходимы дальнейшие исследования».