Kunstig intelligens aktiveret beslutningsstøtte til udvælgelse af patienter til lændehvirvelsøjleoperation

Baggrund En tredjedel af patienterne, der opererer til Lumbal Disc Herniation (LDH) eller spinalstenose (LSS), opnår ikke væsentlig forbedring. Undersøgelser viser, at velinformeret delt beslutningstagning (SDM) kan forbedre udvælgelsen til operation og dermed resultaterne. Talrige algoritmer til forudsigelse af resultatet er derfor blevet udviklet, og nogle bruger kunstig intelligens (AI). De fleste er trænet på små datasæt, få er nøjagtige, alle er fristående eller webbaserede applikationer, der ikke er integreret i den elektroniske sundhedsrekord (EHR), og ingen implementeres i rutinemæssig klinisk praksis.

Det norske register for rygsøjleoperation (Norspine) omfatter en kohort på mere end 69.000 tilfælde. Efterforskerne har brugt AI til at analysere datasættet og forudsige resultatet og udviklet et beslutningsstøtteværktøj (DST), som er problemfrit integreret i EHR Dips Arena®.

Efterforskerne har til hensigt at bruge værktøjet til at informere SDM mellem kirurger og patienter om indikationen for operation (ja eller nej), for at øge andelen med et vellykket resultat. Formålet med undersøgelsen er at vurdere DST's sikkerhed og gennemførlighed til brug i en efterfølgende pilotundersøgelse.

Enheden DST (enheden) er en integreret forbindelse af softwareopløsninger. Baseline -data er registreret af patienter og kirurger på spørgeskemaer integreret i Dips Arena® og overført til Norspine. Dataene overføres også (DE-identificeret) til AI-aktiveret forudsigelsesalgoritme, der fungerer i en skybaseret modelhostingtjeneste. Algoritmen er blevet trænet og valideret på et datasæt fra Norspine. Området under kurven for forudsigelse af hovedresultatet (Oswestry Disability Index efter 12 måneder) i modtagerens driftskarakteristiske analyse er meget høj (0,85) for LDH og moderat (0,72) for LSS. Modelværten beregner også resultater (proportioner med betydelig, let eller ingen forbedring og forværring) for de 50 tilfælde med baseline-variabler, der mest ligner den foreliggende sag ("patienter-lignende-me"). Endelig overføres den individuelle forudsigelse og resultaterne for "patienter-lignende-me" tilbage og vises i den almindelige brugergrænseflade til DIPS Arena® til brug i SDM.

Kliniske undersøgelser af denne mulighedsundersøgelse vil efterforskerne bruge konvergent kvalitative og kvantitative blandede metoder. Sammenligneren er beslutningstagning i rutinemæssig klinisk praksis uden brug af DST. Undersøgelsen vil omfatte 20 patienter med magnetisk resonansafbildning bekræftet LDH eller LSS, der blev henvist til evaluering af indikationen for operation, og seks kirurger, der udfører evalueringerne. Undersøgelsen vil iterativt redesigne brugergrænsefladen for DST, indtil den betragtes som sikker og gennemførlig til brug i en følgende pilotundersøgelse.