Машинне навчання прогнозує, які пацієнти продовжать приймати опіоїди після операції на руці

Алгоритм машинного навчання добре прогнозує ризик тривалого використання опіоїдів після операції на руці, повідомляє дослідження в серпневому випуску журналу Plastic and Reconstructive Surgery.

«Ми виявили, що модель машинного навчання ефективно визначає пацієнтів, які після операції на руці з більшою ймовірністю стануть постійними користувачами опіоїдів», зазначає член ASPS, хірург Кевін Ч. Чунг, доктор медичних наук, Університет Мічигану, Енн-Арбор.

«Це може стати більш ефективною стратегією для ідентифікації пацієнтів із високим ризиком та впровадження заходів для запобігання залежності від опіоїдів. Аналогічно, використання штучного інтелекту може полегшити більш персоналізований підхід до призначення правильних знеболювальних в оптимальній кількості для конкретного пацієнта, який проходить певну операцію». Дві моделі машинного навчання протестовано для прогнозування тривалого використання опіоїдів У дослідженні оцінювали дві раніше описані моделі машинного навчання: одну з використанням даних, наданих пацієнтами в рамках Michigan Genomics Initiative (MGI), і одну на основі даних страхових претензій. Моделі спочатку оцінювалися на великій вибірці пацієнтів загальної хірургії, а потім на пацієнтах, які проходили операції на руці, такі як хірургія карпального тунелю або перелому зап'ястя. Дослідження зосередилося на тому, чи можуть моделі машинного навчання прогнозувати, які пацієнти розвинуть тривале використання опіоїдів, на основі рецептів, заповнених до шести місяців після операції. Модель MGI включала 889 пацієнтів, приблизно половина з яких раніше використовувала опіоїди. Модель страхових претензій була обмежена 439 «наївними до опіоїдів» пацієнтами, які не мали недавнього використання опіоїдів. У моделі MGI, яка включала попередніх користувачів опіоїдів, 21% пацієнтів розвинули тривале використання опіоїдів. У моделі страхових претензій, яка виключала попередніх користувачів опіоїдів, 10% пацієнтів мали тривале використання опіоїдів. Аналіз «площі під кривою» показав, що модель MGI дуже добре визначає пацієнтів з тривалим використанням опіоїдів: 84% у моделі, навченій на даних про операції на руці, і 85% у загальній хірургічній популяції. Для порівняння, у моделі страхових претензій прогнозувальна здатність становила 69% на основі даних про операції на руці та лише 52% у повному наборі даних. Машинне навчання може спростити оцінку ризику післяопераційного використання опіоїдів У моделі MGI наявність рецепта на опіоїди до операції була найсильнішим предиктором післяопераційного використання опіоїдів. Іншими прогнозуючими факторами були загальний біль у тілі та призначення гідрокодону—відносно потужного опіоїду, який часто призначають для післяопераційного знеболювання. Як і в інших видах хірургії, тривале використання опіоїдів є ризиком для пацієнтів, які проходять операції на руці. Хоча деякі фактори ризику були визначені, оцінка післяопераційного ризику використання опіоїдів є складним і тривалим процесом через різноманітність пацієнтської популяції та варіації в складності процедур. Нове дослідження показує, що машинне навчання може забезпечити більш інтегрований та простий підхід до ідентифікації пацієнтів з високим ризиком. Моделі, що включають дані, надані пацієнтами, про такі фактори, як біль і психічне здоров'я — наприклад, ті, що збираються в рамках MGI, — мають найвищу прогнозуючу цінність.

Перегляньте записи та зареєструйтесь на майбутні заходи в межах Ortho Trauma Friday.

«Маючи доступ до комплексних наборів даних, машинне навчання має потенціал для спрощення ідентифікації та аналізу детальних факторів, які впливають на післяопераційні больові відчуття пацієнтів», пишуть дослідники. Автори зазначають деякі обмеження свого дослідження, яке може не відображати зміни в паттернах призначень у відповідь на епідемію опіоїдів.

Доктор Чунг та співавтори роблять висновок: «На практиці ці моделі можуть бути реалізовані як інструменти підтримки прийняття рішень для допомоги клініцистам ефективно визначати пацієнтів, які найбільш схильні до залежності та потребують індивідуалізованого знеболювання або консультацій».

ДЖЕРЕЛО: Medical Express

На платформі Accemedin багато цікавих заходів! Аби не пропустити їх, підписуйтесь на наші сторінки! Facebook. Telegram. Viber. Instagram.