Amerykańscy naukowcy z Net Health wykorzystali uczenie maszynowe do określenia indywidualnych czynników ryzyka, które wpływają na wydłużenie procesu gojenia się ran. Opracowany przez nich model prognostyczny może pomóc klinicystom w podejmowaniu optymalnych decyzji dotyczących leczenia trudno gojących się ran.
Badania nad nową metodą prognostyczną przeprowadził zespół naukowców i klinicystów zajmujących się danymi w Net Health, dostawcy oprogramowania i usług analitycznych. Eksperci przeprowadzili analizy korzystając ze sztucznej inteligencji i uczenia maszynowego. Zaproponowane przez nich rozwiązanie potrafi określić ramy czasowe gojenia się rany, a także czynniki, które wydłużają ten proces oraz pojawiające się zagrożenia – np. ryzyko amputacji kończyny.
Narzędzie wykazało około 77 proc. precyzji w przewidywaniu czasu gojenia się rany
Naukowcy w swoich badaniach wykorzystali dane zgromadzone przez firmę Net Health w celu przewidzenia prawdopodobieństwa gojenia się rany po 4, 8 i 12 tygodniach od rozpoczęcia leczenia. Modele uczenia maszynowego zostały przeszkolone na 1,2 mln przypadków pacjentów z ranami, m.in. z owrzodzeniami, oparzeniami, odleżynami, ranami chirurgicznymi, urazowymi. Dane zawierały również 187 zmiennych, takich jak informacje demograficzne pacjentów, choroby współistniejące, waga, palenie papierosów, a także charakterystyka rany (umiejscowienie, dokładna powierzchnia i głębokość) i ewentualne zabiegi.
Naukowcy przeprowadzili pierwsze testy swojego narzędzia. Okazało się, że najbardziej istotnymi cechami utrudniającymi leczenie się ran było m.in. głębokość rany, jej lokalizacja i rozległość. Narzędzie prognostyczne było natomiast precyzyjne w 77 proc.
Poprawa jakości leczenia i obniżenie kosztów opieki
Matt Berezo, specjalista ds. danych w Net Health i autor badania, podkreśla, że celem badań było dowiedzenie się, jakie czynniki i w jaki sposób mogą wpływać na spowolnienie gojenia się ran. Zaznaczył, że takie narzędzie może pomóc klinicystom w podejmowaniu szybszych i lepszych decyzji dotyczących leczenia w czasie rzeczywistym, poprawiając w ten sposób wyniki i obniżając koszty opieki zdrowotnej.
– Strategiczne zarządzanie pracą i narzędzia predykcyjne są kluczem do poprawy jakości i obniżenia kosztów opieki nad pacjentami — podkreśliła Cathy Thomas Hess, dyrektor ds. klinicznych Net Health. – Zbudowaliśmy narzędzie predykcyjne (…), aby zapewnić cenną migawkę informacji klinicznych w oparciu o dokumentację medyczną (…). Narzędzie pokazuje, w jaki sposób wybrane czynniki wpływają na trajektorię leczenia pacjenta, dzięki czemu zespół kliniczny może podjąć kroki w celu interwencji i stworzenia ukierunkowanego i skutecznego planu leczenia – dodała ekspertka.
Źródło: Net Health