Исследователи Mount Sinai разработали модели машинного обучения, которые предсказывают вероятность критических событий и смертности у пациентов с COVID-19 в клинически значимых временных окнах. Новые модели, описанные в исследовании – одни из первых, в которых машинное обучение используется для прогнозирования рисков у пациентов с COVID-19 среди большого и разнообразного населения, и опубликованные 6 ноября в Журнале медицинских интернет-исследований – могут помочь практикующим врачам на горе Синай. и во всем мире по уходу и ведению пациентов с COVID-19.
"Из первоначальной вспышки COVID-19 в Нью-Йорке мы увидели, что представление о COVID-19 и течение болезни неоднородны, и мы построили модели машинного обучения, используя данные пациентов для прогнозирования результатов," сказал Бенджамин Гликсберг, доктор философии.D., Доцент кафедры генетики и геномных наук в Медицинской школе Икана на горе Синай, член Института цифрового здравоохранения им. Хассо Платтнера на горе Синай и Центр клинической разведки горы Синай (MSCIC) и один из главных исследователей исследования. "Сейчас, на ранних стадиях второй волны, мы гораздо лучше подготовлены, чем раньше. В настоящее время мы оцениваем, как эти модели могут помочь практикующим врачам в управлении уходом за пациентами на практике."
В ретроспективном исследовании с использованием электронных медицинских карт более 4000 взрослых пациентов, поступивших в пять больниц системы здравоохранения Mount Sinai с марта по май, исследователи и клиницисты из MSCIC проанализировали характеристики пациентов с COVID-19, в том числе историю болезни, сопутствующие заболевания, жизненно важные признаки. и результаты лабораторных тестов при поступлении для прогнозирования критических событий, таких как интубация и смертность, в различных клинически значимых временных окнах, которые могут прогнозировать краткосрочные и среднесрочные риски пациентов в течение госпитализации.
Исследователи использовали модели для прогнозирования критического события или смертности во временных окнах 3, 5, 7 и 10 дней с момента поступления. На отметке в одну неделю – которая в целом показала наилучшие результаты, правильно отмечая наиболее критические события и возвращая наименьшее количество ложноположительных результатов – острое повреждение почек, учащенное дыхание, высокий уровень сахара в крови и повышенный уровень лактатдегидрогеназы (ЛДГ), указывающий на повреждение или заболевание тканей, были сильнейшие факторы в прогнозировании критического заболевания. Пожилой возраст, дисбаланс уровня в крови и уровни С-реактивного белка, указывающие на воспаление, были самыми сильными факторами в прогнозировании смертности.
"Мы создали высокопроизводительные прогностические модели с использованием машинного обучения, чтобы улучшить уход за нашими пациентами в Mount Sinai," сказал Гириш Надкарни, доктор медицины, доцент медицины (нефрология) в Медицинской школе Икана, клинический директор Института цифрового здравоохранения Хассо Платтнера на горе Синай и сопредседатель MSCIC. "Что еще более важно, мы создали метод, который определяет важные маркеры здоровья, которые определяют вероятность прогноза неотложной помощи и который может использоваться медицинскими учреждениями по всему миру для улучшения решений по уходу как на уровне врача, так и на уровне больницы, а также более эффективного лечения пациентов с COVID-19."