Künstliche Intelligenz ermöglichte Entscheidungsunterstützung für die Auswahl von Patienten für die Operation der Lendenwirbelsäule

Hintergrund Ein Drittel der Patienten, die für Lendenscheibenvorfälle (LDH) oder Wirbelsäulenstenose (LSS) betrieben wurden, erzielen keine wesentliche Verbesserung. Studien zeigen, dass gut informierte gemeinsame Entscheidungsfindung (SDM) die Auswahl der Operation und damit die Ergebnisse verbessern können. Daher wurden zahlreiche Algorithmen für die Ergebnisvorhersage entwickelt, und einige verwenden künstliche Intelligenz (AI). Die meisten sind auf kleinen Datensätzen geschult, nur wenige sind genau, alle sind eigenständige oder webbasierte Anwendungen, die nicht in den elektronischen Gesundheitsakten (EHR) integriert sind, und keiner werden in der routinemäßigen klinischen Praxis implementiert.

Das norwegische Register für Wirbelsäulenchirurgie (Norspine) umfasst eine Kohorte von mehr als 69.000 Fällen. Die Ermittler haben AI verwendet, um den Datensatz zu analysieren und das Ergebnis vorherzusagen, und entwickelt ein Entscheidungsunterstützungstool (DST), das nahtlos in die EHR Dips Arena® integriert ist.

Die Ermittler beabsichtigen, das Tool zu verwenden, um die SDM zwischen Chirurgen und Patienten über die Indikation für die Operation (Ja oder Nein) zu informieren, um den Verhältnis zu einem erfolgreichen Ergebnis zu erhöhen. Ziel der Studie ist es, die Sicherheit und Machbarkeit des DST für die Verwendung in einer nachfolgenden Pilotstudie zu bewerten.

Das Gerät Das DST (das Gerät) ist eine integrierte Verbindung von Software-Lösungen. Die Basisdaten werden von Patienten und Chirurgen in Fragebögen registriert, die in Dips Arena® integriert sind, und werden auf Norspine übertragen. Die Daten werden ebenfalls in den AI-fähigen Vorhersagealgorithmus übertragen (identifiziert), der in einem Cloud-basierten Modell-Hosting-Dienst arbeitet. Der Algorithmus wurde in einem Datensatz von Norspine geschult und validiert. Die Fläche unter der Kurve für die Vorhersage des Hauptergebnisses (Oswestry Disability Index nach 12 Monaten) bei der Analyse des Empfängerbetriebs ist für LDH sehr hoch (0,85) und für LSS mittel (0,72). Der Modellwirt berechnet auch die Ergebnisse (Proportionen mit wesentlicher, geringfügiger oder nicht verbesserter Verbesserung und Verschlechterung) für 50 Fälle mit Basisvariablen, die dem vorliegenden Fall am ähnlichsten sind ("Patienten-ähnliches"). Schließlich werden die individuelle Vorhersage und die Ergebnisse für das "Patienten-ähnliches" zurückgeführt und in der regulären Benutzeroberfläche von Dips Arena® zur Verwendung in der SDM angezeigt.

Klinische Untersuchungen für diese Machbarkeitsstudie verwenden die Forscher konvergente qualitative und quantitative gemischte Methoden. Der Komparator ist die Entscheidungsfindung in der routinemäßigen klinischen Praxis ohne Verwendung der DST. Die Studie umfasst 20 Patienten mit Magnetresonanztomographie bestätigt LDH oder LSS, die zur Bewertung der Indikation für die Operation überwiesen wurden, und sechs Chirurgen, die die Bewertungen durchführen. Die Studie wird die Benutzeroberfläche des DST iterativ neu gestalten, bis sie als sicher und machbar für die Verwendung in einer folgenden Pilotstudie angesehen wird.