Algoritmus předpovědi volného textu pro apendicitidu

Vývoj modelů strojového učení, které mají silnou predikční schopnost pro diagnostiku apendicitidy ze zadávání volného textu lékařem, může zlepšit diagnostickou přesnost lékařů. Nabízí také možnost využití predikčních algoritmů ke zlepšení rutinní klinické péče. V budoucnu lze zkombinovat více modelů strojového učení pro zvýšení přesnosti predikce a předpovědní algoritmy lze rozšířit na další diagnózy.

18 000 případů prezentací pohotovostního oddělení za 10 let bylo použito jako tréninkový a ověřovací datový soubor. K vývoji modelu predikce apendicitidy byly použity neuronové sítě hlubokého učení s přizpůsobenou lékařskou ontologií. Diagnostická přesnost modelu je vyjádřena jako senzitivita (recall), specificita a F1 skóre (harmonický průměr). Vyvinutý diagnostický prediktivní model vykazuje vysokou senzitivitu (86,3 %), specificitu (91,9 %) a F1 skóre (88,8) při diagnostice apendicitidy od pacientů s bolestí břicha.

Algoritmus prediktivního modelu také zvýrazňuje slova ve volném textu (zadávaná ošetřujícím lékařem), kterým přiřazuje vyšší pravděpodobnost předpovědi výsledku. Lékaři budou instruováni, aby poskytli procento pravděpodobnosti apendicitidy na základě klinického obrazu a všech dostupných laboratorních vyšetření. Lékaři se pak zobrazí předpověď algoritmu a zvýrazněná slova pro zadaného pacienta. Poté musí poskytnout další předpověď pravděpodobnosti apendicitidy poté, co viděl předpověď generovanou algoritmem.

Cílem je vyhodnotit výkonnost algoritmu a posoudit, zda je použití algoritmu schopno pomoci lékařům na pohotovosti zlepšit diagnostiku apendicitidy. Výsledky predikce budou zpracovány do tabulky pro posouzení přesnosti algoritmu, lékařů před vstupem do algoritmu a lékařů po obdržení vstupu z algoritmu. Přesnost bude vyjádřena jako senzitivita, specificita, přesnost, hodnota pozitivní predikce, skóre F1 a skóre F0,5.

Během 1 roku bude jako účastníci studie přijato přibližně 100 pohotovostních lékařů. Lékaři budou rozděleni náhodně do dvou skupin - rameno s algoritmem a rameno bez algoritmu. Randomizace bude probíhat podle času (týdně) pomocí variabilní blokové randomizace 4 a 6. Pacienti budou sledováni pro konečné diagnózy propuštění.