Model predykcyjny oszacuje szanse pacjenta na przeżycie 30 dni po zatrzymaniu krążenia. Algorytm wykazuje 97-proc. skuteczność

Aplikacja stworzona przez szwedzkich naukowców pozwoli ocenić, jakie szanse na przeżycie 30 dni ma pacjent, u którego poza szpitalem wystąpiło zatrzymanie akcji serca. Model predykcyjny powstał na podstawie analizy niemal 60 tys. dokumentacji medycznych i wykazuje dużo większą skuteczność szacunków, niż mają najbardziej doświadczeni lekarze. Trwa certyfikacja aplikacji, która będzie mogła wspierać decyzje lekarzy w podejmowaniu dalszego leczenia pacjentów trafiających do szpitala po zatrzymaniu krążenia. W razie potrzeby jej zastosowania w innych krajach potrzebna by była walidacja oparta na danych pacjentów z poszczególnych państw.

– Rozpatrywaliśmy scenariusz, w którym pacjent doznaje zatrzymania krążenia na przykład w domu, przyjeżdża karetka i zespół ratowniczy rozpoczyna resuscytację krążeniowo-oddechową, uciskając klatkę piersiową i stosując wentylację. Następnie karetka zabiera pacjenta na oddział ratunkowy szpitala, po drodze kontynuując resuscytację – informuje w wywiadzie dla agencji Newseria Innowacje Fredrik Hessulf z Instytutu Medycznego Sahlgrenska Academy z Uniwersytetu w Göteborgu, anestezjolog w Sahlgrenska University Hospital.

Naukowcy chcieli sprawdzić, czy z wykorzystaniem sztucznej inteligencji i uczenia maszynowego można przewidzieć, którzy pacjenci pozostaną przy życiu po 30 dniach po zatrzymaniu krążenia wyłącznie na podstawie informacji bezpośrednio dostępnych na oddziale ratunkowym. Model predykcyjny został opracowany na podstawie danych uzyskanych z dokumentacji 55 tys. przypadków zatrzymania krążenia. To ilość danych, których nie byłby w stanie przeanalizować żaden lekarz podczas całej swojej kariery zawodowej. Twórcy zapewniają, że dzięki tak dużemu zasobowi informacji ich model działa ze skutecznością nieosiągalną dla człowieka.

– Aby porównać zdolność lekarzy do przewidzenia prawdopodobieństwa przeżycia, przekazaliśmy 20 współpracującym z nami lekarzom te same informacje, jakimi dysponował model predykcyjny. Przedstawiliśmy im cztery przypadki pacjentów. Jeden z nich ma 50 lat, zatrzymanie krążenia nastąpiło w domu, karetka przyjeżdża po 15 minutach i kolejne 15 minut zajmuje dojazd na oddział ratunkowy. Co ciekawe oszacowania naszych współpracowników – kardiologów, anestezjologów, lekarzy ratownictwa medycznego – jako grupy były dość dobre. Łącznie oszacowali oni szanse na przeżycie tego pacjenta po 30 dniach na 20 proc. Jednak gdy porównaliśmy oszacowania szans na przeżycie w ocenie poszczególnych lekarzy, jeden z nich stwierdził, że jest to 10 proc., a inny – 45 proc. Oszacowania były więc znacznie zróżnicowane. Model zapewnia dużo dokładniejsze oszacowania i umożliwia kalibrację prawdopodobieństwa przeżycia – wyjaśnia Fredrik Hessulf.

Pierwszy stworzony przez naukowców model opierał się na 400 zmiennych dla każdego pacjenta. Z uwagi na to, że interwencja na oddziale ratunkowym trwałaby przy wprowadzaniu takich danych bardzo długo, liczba zmiennych musiała zostać ograniczona do 10. To informacje m.in. o wieku pacjenta, rodzaju rytmu serca przy zatrzymaniu krążenia czy czasu, jaki upłynął między zatrzymaniem krążenia a przyjazdem karetki. Aby model był użyteczny na oddziałach ratunkowych, twórcy stworzyli aplikację, którą można pobrać lub korzystać z niej w przeglądarce internetowej, a następnie wpisać kilka informacji o pacjencie i otrzymać bardzo szybką prognozę prawdopodobieństwa przeżycia.

– Żaden dotychczasowy model nie miał takiej mocy predykcyjnej ani zdolności wskazania osób, które mają szanse na przeżycie. Są różne sposoby na zmierzenie skuteczności modelu predykcyjnego. Jednym z nich jest zmierzenie pola pod wykresem krzywej ROC [oceny poprawności klasyfikatora – red.]. Jeśli rzucimy monetą, mamy 50 proc. szans, że wypadnie orzeł, i 50 proc., że wypadnie reszka. Jeśli zgadujemy przed rzuceniem monetą, że wypadnie orzeł, w 50 proc. przypadków będziemy mieć rację. W przypadku naszego modelu wskaźnik poprawności będzie wynosił 97 proc. Jest to niezawodny model i opiera się na bardzo wielu przypadkach zatrzymania krążenia, więc zapewnia dokładne oszacowanie prawdopodobieństwa przeżycia – podkreśla naukowiec.

Obecnie trwa proces uzyskiwania oznaczenia CE dla aplikacji. Dane zbierane podczas sprawdzania modelu dotyczyły pacjentów szwedzkich, przez co profile badanych mogą się różnić od tych, które byłyby spotykane w innych krajach. Twórcy twierdzą, że rozwiązaniem tego problemu byłaby walidacja z udziałem pacjentów danej narodowości.

– Zgodnie z naszym założeniem może to być jeden z elementów procesu decyzyjnego dotyczącego dalszego postępowania w przypadku danego pacjenta podczas resuscytacji po zatrzymaniu krążenia. Nie jest to narzędzie, które ma wyznaczać dalsze postępowanie – jeśli narzędzie daje pacjentowi określone szanse na przeżycie, wtedy trzeba podjąć określoną czynność – jest to raczej kalibracja przewidywań. Na przykład jeśli według danych historycznych 5 proc. pacjentów w danym wieku z określonego rodzaju zatrzymaniem krążenia przeżywało 30 dni, jest to cenna informacja – mówi Fredrik Hessulf.