Maksakirroosin diagnoosin priorisointialgoritmi, joka perustuu sähköisiin terveystietoihin.

Tässä tutkimuksessa tutkijat hyödyntävät hepatologian nykyaikaisia ​​koneoppimisen kykyjä kehittääkseen mallin, jolla voidaan tunnistaa etusijalle henkilöt, joilla on suuri riski edetä maksakirroosiin varhaisessa ja hoidettavassa vaiheessa.

Kirroosi on pitkälle edennyt maksasairaus, joka ilmenee yleensä silloin, kun maksa on jo vakavasti vaurioitunut, ilman monia hoitovaihtoehtoja ja synkkää ennustetta.

Tällä hetkellä diagnosointiin on kaksi tapaa, joista ensimmäinen on maksan biopsia, joka on kallis ja aiheuttaa potilaille kipua ja sisältää omat riskinsä. Toinen on nimetty kuvantamistesti, kuten Fibroscan, joka on turvallinen ja kivuton, mutta myös liian kallis kuin mitä voidaan tehdä laajana seulontatyökaluna.

Maksasairauden suuremman todennäköisyyden laskevat pisteet on jo kehitetty, mutta niiden ennustusvoimakkuus on pienempi kuin se, joka oikeuttaa lisätutkimuksia toteamista varten.

Tutkimus koostuu 4 erillisestä vaiheesta:

1. Mallin kehittäminen. Sähköisten terveystietojen perusteella kehitetään koneoppimismalli, joka ennustaa maksakirroosidiagnoosin ajan tapahtumaan. Tietueet anonymisoidaan ja kaikki työ suoritetaan nimetyllä palvelimella.

2. Anonymisoitujen sähköisten terveystietojen viimeisimmät laboratoriotestien tulokset ja diagnoosit saadaan Clalitin terveydenhuollon pohjoisesta alueesta. Näissä tietueissa vaiheen 1 koulutettu malli ennustaa maksakirroosidiagnoosin ajan tapahtumaan. Ennusteiden kautta henkilöt tilataan riskin mukaan.

   Deanonymisoitujen tietueiden kautta, jotka ovat vain kliinikon käytettävissä, tarkkaillaan 20:tä suurimman riskin henkilöä. Tämä sisältää uusimpien FIB-4-pisteiden mittaamisen, aikaisempien diagnoosien ja testien sekä lääkäreiden tekstitietojen tarkastelemisen. Näitä henkilöitä ei kutsuta vierailulle, ja heitä tarkastellaan vain takautuvasti heidän arkistojensa kautta.

3. Vaiheen 2 tulosten myötä vaiheen 1 koneoppimismalli tarkistetaan. Tämä sisältää mahdolliset muutokset, kuten mukaanotto-/poissulkemiskriteerien tarkistukset, mallin syötteeksi annettujen laboratoriotestien muutokset jne.
4. Kuten vaiheessa 2, päivitetyt anonymisoidut sähköiset terveystiedot hankitaan Clalit-terveydenhuollon pohjoisesta alueesta. Vaiheen 3 päivitetty malli ennustaa maksakirroosidiagnoosin ajan tapahtumaan. Lisäksi kaikille henkilöille lasketaan FIB-4-pisteensä. Laaditaan lista parhaista yksilöistä, joilla on suurin ennustettu riski, jonka malli ennustaa vaiheesta 3 alkaen, ja parhaista yksilöistä, joilla on korkein FIB-4-pistemäärä. Noin neljäsosa henkilöistä tulee FIB-4-pisteryhmästä, jonka ikä ja sukupuoli vastaavat ennusteryhmään. Ryhmän identiteetti jää kliinikoille tuntemattomaksi kaksoissokkotutkimuksen vuoksi. Yksityishenkilöt kutsutaan klinikalle tarkastukseen. Klinikalla henkilöille tehdään Fibroscan-, pituus- ja painomittaukset, vastataan WHO:n alkoholinkäyttöhäiriöiden tunnistustestin (AUDIT) kyselyyn. Lisäksi heidän sähköisten terveyskertomusten tiedostot ovat avoimia ja olemassa olevat diagnoosit, laboratoriotutkimukset ja lääkemääräykset kerätään.