Широко використовуваний інструмент штучного інтелекту для раннього виявлення сепсису може викликати підозри лікарів

Згідно з новим дослідженням Мічиганського університету, фірмове програмне забезпечення штучного інтелекту, розроблене як система раннього попередження про сепсис, не може відрізнити пацієнтів із високим і низьким ризиком до того, як вони отримають лікування.

Інструмент під назвою Epic Sepsis Model є частиною електронного програмного забезпечення для ведення медичних записів Epic, яке обслуговує 54% пацієнтів у Сполучених Штатах і 2,5% пацієнтів за кордоном. Він автоматично генерує оцінки ризику сепсису в записах госпіталізованих пацієнтів кожні 20 хвилин, що, як сподіваються клініцисти, дозволить їм визначити, коли пацієнт може захворіти на сепсис, перш ніж усе піде погано.

«Сепсис має всі ці нечіткі симптоми, тому, коли пацієнт з’являється з інфекцією, може бути дуже важко зрозуміти, кого можна відправити додому з антибіотиками, а кому, можливо, доведеться залишитися у відділенні інтенсивної терапії. Ми все ще багато втрачаємо пацієнтів із сепсисом», – сказав Том Веллі, доцент відділу легеневої медицини та медицини інтенсивної терапії, клініцист у відділенні інтенсивної терапії та співавтор дослідження.

Сепсис є причиною третини всіх смертей у лікарнях у США, і раннє лікування є ключовим для виживання пацієнтів. Є надія, що передбачення штучного інтелекту можуть допомогти в цьому, але наразі вони, схоже, не отримують більше від даних пацієнтів, ніж клініцисти.

«Ми підозрюємо, що деякі дані про здоров’я, на які спирається модель ШІ, кодують, можливо, ненавмисно, як підозру клініциста про наявність у пацієнта сепсису», — сказала Дженна Вінс, доцент кафедри інформатики та інженерії та відповідний автор дослідження.

Пацієнти не отримають аналізи на культуру крові та лікування антибіотиками, доки у них, наприклад, не почнуть проявлятися симптоми сепсису. Хоча такі дані можуть допомогти штучному інтелекту дуже точно визначати ризики сепсису, вони також можуть потрапляти в медичні записи занадто пізно, щоб допомогти клініцистам випередити лікування.

Ця невідповідність у часі між моментом, коли інформація стає доступною для ШІ, та часом, коли вона є найбільш актуальною для клініцистів, була очевидною в оцінці дослідниками ефективності моделі Epic Sepsis для 77 000 дорослих, госпіталізованих до Мічиганського університету охорони здоров’я, клінічного підрозділу Мічиганської медицини.

Рекомендуємо пройти безоплатний курс «Сепсис та септичний шок у дорослих та дітей»

Штучний інтелект вже зробив оцінку ризику захворіти на сепсис у кожного пацієнта під час стандартних операцій медичного центру, тож дослідникам залишалося лише зібрати дані та провести їх аналіз. Майже 5% хворих мали сепсис.

Щоб виміряти продуктивність штучного інтелекту, команда розрахувала ймовірність того, що штучний інтелект присвоїв вищі показники ризику пацієнтам, у яких був діагностований сепсис, порівняно з пацієнтами, у яких сепсис ніколи не був діагностований.

Якщо включити прогнози, зроблені штучним інтелектом на всіх етапах перебування пацієнта в лікарні, ШІ міг правильно ідентифікувати пацієнта з високим ризиком у 87% випадків. Однак ШІ був правильним лише в 62% випадків, коли використовувалися дані пацієнта, записані до того, як пацієнт відповідав критеріям наявності сепсису. Можливо, найпоказовішим є те, що модель присвоїла вищі показники ризику лише 53% пацієнтів, які отримали сепсис, коли прогнози були обмежені до призначення гемокультури.

Отримані дані свідчать про те, що під час прогнозування модель враховувала, чи отримували пацієнти діагностичні тести, чи лікування. На той момент клініцисти вже підозрюють, що їхні пацієнти мають сепсис, тому прогнози ШІ навряд чи мають значення.

«Ми повинні враховувати, коли в клінічному робочому процесі модель оцінюється, коли вирішуємо, чи корисна вона для клініцистів», — сказала Донна Т’яндра, докторантка з комп’ютерних наук та інженерії та співавторка дослідження. «Оцінка моделі за допомогою даних, зібраних після того, як клініцист уже запідозрив початок сепсису, може зробити ефективність моделі високою, але це не узгоджується з тим, що допоможе клініцистам на практиці».

ДЖЕРЕЛО: https://medicalxpress.com/