Модель машинного обучения помогает врачам прогнозировать риск назначения опиоидов пациентам.
Исследователи из Университета Альберты используют форму искусственного интеллекта, чтобы помочь врачам лучше предсказать, какие пациенты подвержены риску неблагоприятных последствий от назначения опиоидов.
В недавно опубликованном исследовании совместная группа создала модель машинного обучения для оценки риска обращения в отделение неотложной помощи, госпитализации или смерти в течение 30 дней после получения рецепта на опиоиды. Машинное обучение позволяет компьютерам находить закономерности в огромных объемах данных, со временем становясь все более точными, поскольку они постоянно проверяют и переобучают с использованием обновленной информации.
Модель сопоставляет данные об аптеках с административными данными о здоровье — записи, создаваемые каждый раз, когда пациент взаимодействует с системой здравоохранения, начиная с посещения отделений неотложной помощи и врачей и заканчивая анализами крови и сканированием. Они отслеживали анонимные записи 853 324 взрослых жителей Альберты в 2018 и 2019 годах, когда было выписано 6 181 025 рецептов на опиоиды и зарегистрировано 77 326 побочных эффектов.
По словам Дина Юриха, эпидемиолога и профессора Школы общественного здравоохранения, врачи следуют рекомендациям , чтобы определить, какие пациенты подвержены более высокому риску, но они не охватывают всех, потому что часто имеют ограниченную информацию .
«Машинное обучение может увеличить количество переменных, которые мы будем рассматривать, с пары десятков до 5000, чтобы мы могли полагаться на ваши анализы, ваши госпитализации, визиты к врачу, лекарства, которые вы принимали в прошлом, — всю эту информацию. теперь можно использовать в модели, чтобы предсказать, где вы находитесь в спектре с точки зрения низкого риска или высокого риска плохого исхода», — объясняет Эйрих.
« Человеческий разум просто не может обрабатывать такое количество информации одновременно».
Спасение жизней, экономия денег
Модель была создана в партнерстве с информационной компанией здравоохранения Окаки и Коллегией врачей и хирургов Альберты, которые в качестве администраторов Программы отслеживания рецептов несут ответственность за ежедневный мониторинг назначений опиоидов, что является одной из многих усилий, предпринимаемых для замедления продолжающийся опиоидный кризис, унесший жизни 1346 жителей Альберты в 2022 году.
Модель предсказала неблагоприятные исходы для пациентов с точностью 90%, сообщает Эйрих. Он рассчитывает сделать следующий шаг в исследовании в течение шести месяцев, внедрив и протестировав модель в режиме реального времени как часть системы наблюдения колледжа.
Врачи с пациентами с повышенным риском будут уведомлены, чтобы они могли выбрать другое лекарство, дать меньшую дозу или более внимательно наблюдать за пациентом.
«Это инструмент, который помогает клиницистам управлять своими очень сложными пациентами и помогает пациентам добиваться лучших результатов от лечения», — говорит Эйрих.
Eurich также использует программы машинного обучения, чтобы отвечать на другие вопросы о здоровье населения, анализируя данные о здоровье, в том числе почему люди с диабетом чаще заражаются COVID-19, чем население в целом , и почему некоторые из них попадают в реанимацию, а другие нет.
«Альберта обладает одними из лучших наборов данных о состоянии здоровья в мире, и поэтому мы хотим убедиться, что используем их в полной мере», — говорит Эйрих.
«Это действительно дает нам наилучшие шансы изменить результаты для пациентов, учась у самой системы здравоохранения и внедряя меры».
Статья опубликована в журнале JAMA Network Open.
