Tiedonhankintatutkimus tekoälyllä ja akuuttia keuhkoemboliaa sairastavien potilaiden fenotyypin määrittämisestä (PEPITE)

Konteksti:

Tekoäly: NLP, klusterointi ja ohjaamaton oppiminen:

Tekoäly (AI) on ala, joka yhdistää tietojenkäsittelytieteen tietokokonaisuuksiin tavoitteenaan mahdollistaa koneen jäljitteleminen ihmisen kognitiivisia kykyjä. Koneoppiminen (ML) ja sen alialueen syväoppiminen, joka käyttää hermosolujen kerroksia, ovat AI:n kaksi pääosaa. Ero on kunkin algoritmin harjoittelussa. ML käyttää kahta erilaista menetelmää: valvottua oppimista, joka sisältää mallin koulutuksen tunnetuille tulo- ja lähtötiedoille tulevien tulosten ennustamiseksi, ja valvomaton oppiminen sisältää piilevien kuvioiden ja sisäisten taustalla olevien rakenteiden löytämisen syöttötiedoissa. Natural Language Processing (NLP) on myös tekoälyn osa-alue, mutta se edellyttää yleensä ML:n tehokkuutta. NLP käsittelee reaalimaailman kielellistä dataa saadakseen sen järkeä tavalla, jota tietokone voi ymmärtää.

NLP:ssä on kaksi päävaihetta: tietojen esikäsittely ja algoritmien kehittäminen. Ohjelmointikieliä, kuten Python tai R, käytetään laajasti näissä tekniikoissa.

Klusterointimenetelmien tavoitteena on ryhmitellä joukko yksilöitä homogeenisiin luokkiin. Ei-hierarkkisia menetelmiä voidaan käyttää massiivisen datan luokittelemiseen, mutta ne edellyttävät ennakolta luokkien lukumäärää. Hierarkkiset menetelmät, joiden laskeminen on aikaavievämpää, koostuvat sarjasta sisäkkäisiä osioita, joita edustaa klusteripuu. Optimaalinen luokkien lukumäärä voidaan määrittää jälkikäteen lukemalla puu. Kun läsnä on suuri määrä yksilöitä, on tavallista yhdistää ei-hierarkkisia ja hierarkkisia tekniikoita. Kun luokat eivät ole selkeästi tiedossa etukäteen, käytetään klusterointimenetelmiä ohjaamattoman oppimisen (ML) kanssa [1]. Tietojoukot jaetaan yleensä kolmeen erilliseen tietojoukkoon: koulutusdata, jota käytetään valitun algoritmin (valittujen algoritmien) kouluttamiseen; validointitiedot, joita käytetään tuloksen suorituskyvyn tarkistamiseen; ja testitiedot, joita käytetään vain prosessin lopussa.

Laskimotromboembolinen sairaus:

Laskimotromboembolinen sairaus (VTE) on yleinen patologia, jonka ilmaantuvuus on epätäydellisesti tunnettu, mutta lisääntyy iän myötä ja on 1 % yli 75-vuotiaista. Ranskassa on arvioitu, että joka vuosi yli 100 000 ihmiselle kehittyy laskimotromboembolia, joka aiheuttaa 5 000–10 000 kuolemaa. Syvä laskimotromboosi (DVT) ja keuhkoembolia (PE) ovat kaksi pääasiallista laskimotromboembolia. Syvä laskimotukos vastaa osittaista tai täydellistä syvän laskimon tukkeutumista trombilla, joka useimmiten sijoittuu alaraajoihin. PE määritellään keuhkovaltimoiden tai niiden haarojen osittaiseksi tai täydelliseksi tukkeutumiseksi. Suurin syvän laskimotukoksen riski on PE:n esiintyminen, joka voi olla hengenvaarallinen. Muita VTE-spesifisiä komplikaatioita ja mahdollisia haittavaikutuksia ovat tromboembolinen uusiutuminen (joko DVT tai PE), krooninen tromboembolinen keuhkoverenpainetauti ja posttromboottinen oireyhtymä syvän laskimotromboembolissa. VTE:n nykyinen hoito perustuu pääasiassa antikoagulanttihoitoon. Hoidon kesto vaihtelee arvioidun uusiutumisriskin mukaan, jos hoito keskeytetään, pääasiassa riippuen siitä, onko olemassa jokin aikaisempi suuri riskitekijä [2]. Tässä PE-potilaiden alaryhmässä merkittävien riskitekijöiden puuttuessa uusiutumisen riskiä pidetään keskitasoisena ja se vaihtelee sen mukaan, onko tapahtuma ensimmäinen episodi vai uusiutuminen ja onko keuhkoihin ahtauttavia jälkitauteja vai ei [3]. Viime aikoina terapeuttisesta strategiasta on tullut monimutkaisempi, ja siihen on sisällytetty pieniä riskitekijöitä, jotka muuttavat hoidon kestoa ilman asiaankuuluvaa näyttöä. Lisäksi hoidon kestosta riippumatta antikoagulanttien annostus kuudennen kuukauden jälkeen on epävarma suorille oraalisille antikoagulanteille.

Hypoteesit:

Tämä tutkimus esitetään kahden erillisen akselin alla:

AXIS 1: Tämän työn tavoitteena on aluksi kehittää ja validoida tekoälytyökaluja käyttämällä ML:tä ja NLP:tä datan hankkimiseen ja jäsentelyyn tekstipohjaisista lääketieteellisistä raporteista Center Hospitalier Intercommunal de Toulon - la Seynen verisuonilääketieteen osastolla. sur mer (CHITS). Tämä projekti perustuu Antoine Lacassagnen (CAL) keskuksen epidemiologian, biostatistiikan ja terveystietojen laitoksen (DEBDS) aiemmin tekemään työhön keskittyen rinta- ja kilpirauhassyöpään [5,6,7]. Ajatuksena on validoida näiden työkalujen siirrettävyys toiseen laitokseen, jossa on erilaisia ​​patologioita ja ammatinharjoittajia, erityisesti CHITSin verisuonilääketieteen osastolle.

Menetelmän toteuttaminen strukturoidun tiedon hankkimiseksi tekoälytekniikoilla suoraan tekstimuotoisista lääketieteellisistä raporteista sairaalassamme on haaste. Jos sen suorituskyky todistetaan ja tämä työkalu otetaan käyttöön jatkuvasti rutiininomaisesti, se toimisi helposti hyödynnettävänä tietolähteenä. Kliinisen tutkimuksen alojen ja kiinnostuksen kohteiden monimuotoisuus laitoksessamme saattaa tehdä käyttöönoton muilla osastoilla saavutettavissa olevan tavoitteen. CHITSille tämä on ensimmäinen askel Health Data Warehousen (HDW) rakentamisessa.

AXIS 2: Myöhemmin tavoitteena on käyttää tietokantaa kliinisesti merkityksellisten fenotyyppien tunnistamiseen potilailla, joilla on akuutti keuhkoembolia. Hierarkkisia klusterointimenetelmiä yhdistettynä ohjaamattomaan oppimiseen (koneoppiminen) käytetään potilasryhmien saamiseksi, jotka ovat homogeenisia diagnoosissa. Niiden ennusteen arvioiminen kuuden kuukauden kohdalla (uusiutuminen tai krooninen tromboembolinen keuhkoverenpainetauti), antikoagulanttihoidon ensimmäiset 3 kuukautta huomioon ottaen auttaisi lääketieteellistä päätöksentekoa.

Akuuttia keuhkoemboliaa sairastavien homogeenisten potilasryhmien kuuden kuukauden evoluutioanalyysiä, joka on rakennettu käyttämällä klusterointimenetelmiä ja ohjaamatonta oppimista, ei ole koskaan aiemmin tehty. Tämä laajan sairaalainfrastruktuurin innovatiivinen hanke tarjoaa todennäköisesti lääkäreille päätöksenteon apuvälineitä ja potilaille tieteellisesti validoitua hoitomuotoa.

Materiaali ja metodit :

Tämä tutkimus sisältää retrospektiivisen ja tulevan osan. Retrospektiivinen osa sisältää potilaat, jotka ovat olleet CHITS:ssä akuutin keuhkoembolian takia vuodesta 2019 lähtien (noin 1900 potilasta). Tulevaan osaan on tarkoitus ottaa potilaat, joilla on samat ominaisuudet vuosilta 2024 ja 2025 (noin 765 potilasta). Jos yksittäisiä tietoja ei ole saatavilla tai he vastustavat tietojensa käsittelyä 25 %:lla potilaista, tässä tutkimuksessa voidaan mahdollisesti analysoida suuri määrä yli 2 500 potilaan tietoja. Tällä tutkimuksella ei ole vaikutusta nykyiseen potilaiden hoitoon. Hoidon osana suoritetuista konsultaatioista ja erilaisista tutkimuksista kerätään tietoja kuuden kuukauden ajan diagnoosin jälkeen tutkimustavoitteiden saavuttamiseksi.

AKSELI 1: Tässä tutkimuksessa käytettävä tiedonkeruumenetelmä on kaksijakoinen. Kliiniseen tutkimukseen osallistuvien potilaiden tiedot kerätään tavanomaisesti tapausraporttilomakkeella, keskitetään ja järjestetään viitetietokantaan nimeltä "Gold Standard", ja kliininen tutkimusteknikko syöttää ne. Toinen tiedonkeruutekniikka, jossa käytetään NLP-menetelmiä, etenee useissa vaiheissa, rinnakkain edellisen lähestymistavan kanssa. Ensinnäkin lääketieteellisten raporttien (MR) poimimista tekstimuodossa seuraa pseudonyymisointivaihe. MR-tietojoukko valmistellaan sitten koulutusta ja validointia varten poistamalla erikoismerkit ja tunnistamalla kiinnostuksen kohteiden segmentti. Tämän jälkeen MR:ään merkitään BRAT, jotta voidaan tunnistaa termit, joita käytetään tietokannan täyttämiseen. Koulutusskriptejä sovelletaan 70 %:iin potilaista NLP-mallien luomiseksi. Tämän koulutusvaiheen aikana kirjoitetaan lääketieteellisiä sääntöjä, joiden avulla mallien tunnistamat tiedot muunnetaan strukturoiduksi dataksi. Näin viimeisteltyä skriptiä sovelletaan validointipohjaan ja sen suorituskykyä arvioidaan. Tarvittavien säätöjen jälkeen lopullisen skriptin suorituskyky arvioidaan testitietokannassa. Suorituskykyä arvioidaan vertaamalla automaattisesti saatuja tietoja manuaaliseen Gold Standard -tietokantaan.

AXIS 2 : Tässä tutkimuksessa käytetyt valvomattomat klusterointimenetelmät yhdistävät hierarkkisia ja ei-hierarkkisia menetelmiä. Hierarkkisen nousevan klusteroinnin jälkeen Wardin indeksiä käytetään määrittämään kiinnostavien ryhmien lukumäärä. Näiden ryhmien sentroidien katsotaan sitten alustavan osiointialgoritmin, kuten k-keskiarvo-algoritmin. Kun useimmat lääketieteellisesti merkitykselliset ryhmät on määritetty, kuuden kuukauden kehitystä (stabiili, paheneminen tai edistyminen) verrataan. Kolmen ensimmäisen hoitokuukauden etenemiseen vaikuttavat tekijät voidaan myös sisällyttää tilastolliseen malliin riippuen niiden kyvystä ennustaa pahenemista. Kaikkien näiden tutkimusten pitäisi tarjota perusta lääketieteelliselle päätöksenteolle.