В исследовании, опубликованном в JAMA Network Open на этой неделе, использовалось крупнейшее хранилище данных о пациентах с COVID-19 в Соединенных Штатах для разработки модели прогнозирования клинической тяжести на основе данных о поступлении в первый день.
Исследование опиралось примерно на два миллиона медицинских записей, хранящихся в анклаве данных Национальной когортной коллаборации COVID, или N3C.
Как объяснили исследователи: «Это когортное исследование характеризует самую большую когорту COVID-19 в США на сегодняшний день, включая 174 568 взрослых, у которых положительный результат теста на SARS-CoV-2».
ПОЧЕМУ ЭТО ВАЖНО
В исследовании впервые использовалась база данных N3C, специально разработанная для поддержки исследований COVID-19.
N3C был разработан Национальным центром развития трансляционных наук, центром исследований подобного рода в Национальных институтах здравоохранения. По состоянию на декабрь 2020 года набор релизов N3C включал информацию от 1 926 526 пациентов из 34 сайтов по всей территории Соединенных Штатов.
На веб-сайте NCATS отмечается, что по состоянию на июль 2021 года в электронном хранилище медицинских карт были данные 6,3 миллиона пациентов.
«Эта когорта разнообразна в расовом и этническом отношении и географически распределена», – заявили исследователи. «Мы оценили тяжесть COVID-19 и связанные с ней клинические и демографические факторы с течением времени и использовали машинное обучение для разработки клинически полезной модели, которая точно предсказывает тяжесть заболевания, используя данные с первого дня госпитализации».
Из примерно 175000 взрослых с положительным результатом на коронавирус, включенных в исследование, 18,6% были госпитализированы.
Из них 6565 человек, или примерно пятая часть, имели то, что исследователи назвали «тяжелым клиническим течением»: инвазивная вентиляция, экстракорпоральная мембранная оксигенация, выписка в хоспис или смерть.
Команда обнаружила, что стационарная смертность снизилась со временем с марта и апреля 2020 года по сентябрь и октябрь. Также изменились схемы лечения: в ходе пандемии стали применяться противомикробные и иммуномодулирующие препараты.
Используя данные N3C, исследователи смогли разработать точные модели машинного обучения для прогнозирования тяжести клинических проявлений на основе данных, доступных в первый календарный день госпитализации, при этом наиболее убедительными предикторами были возраст пациента и широко доступные показатели жизнедеятельности и лабораторные показатели.
Хотя команда отметила, что модели могут служить основой для универсальных инструментов поддержки принятия клинических решений, они предупредили, что разработка таких инструментов потребует дополнительной работы по развертыванию систем здравоохранения.
Учитывая разрушительное влияние COVID-19 на мир, информатики и исследователи активизировали усилия по использованию искусственного интеллекта для наиболее эффективного лечения пациентов.
Ранее в этом году исследователи из Института медицинских исследований Нортвелла Файнштейна разработали прогностический инструмент на базе искусственного интеллекта, предназначенный для оценки пациентов на предмет риска респираторной недостаточности COVID-19 в течение 48 часов.
Другие в Массачусетском технологическом институте использовали ИИ для поиска лекарств, которые можно было бы использовать для лечения COVID-19 .
Но не все модели одинаково эффективны. Аудит проводится группой в Университете штата Вашингтон обнаружили , что системы искусственного интеллекта , направленные на выявление COVID-19 в рентгенограмме грудной клетки иногда неудавшихся при испытании новых больниц.
«Поскольку этот подход к сбору данных также использовался для получения обучающих данных для обнаружения COVID-19 при компьютерном томографическом сканировании и для задач медицинской визуализации, связанных с другими заболеваниями, наше исследование выявляет далеко идущую проблему в ИИ для медицинской визуализации, “написали те исследователи.
В ЗАПИСИ
«Разработанные в условиях жесткого дефицита времени, связанного с кризисом в области здравоохранения, предыдущие усилия по агрегированию данных, возможно, не были предназначены для поддержки будущих исследований», – отмечают исследователи в исследовании JAMA Network Open .
«N3C Data Enclave предоставляет прозрачные, легко распространяемые, версионные и полностью проверяемые данные и аналитическое происхождение», – заявили они.