ASA-ennuste terveystietojen ja lääkkeiden käytön avulla

American Society of Anesthesiologists Physical Status (ASA-PS) -luokitusjärjestelmä on laajalti käytetty työkalu kirurgisen sopivuuden ja muiden kliinisten yhteyksien arvioimiseen. Sen luontainen subjektiivisuus ja vahva riippuvuus kliinikon arvioon voivat kuitenkin johtaa epäjohdonmukaisuuksiin potilaan riskin jakautumisessa, joka on perioperatiivisen hoidon kriittinen osa. Lisäksi ASA-PS-järjestelmä on otettu käyttöön useisiin hallinnollisiin ja sääntelytarkoituksiin, jotka ylittävät sen alkuperäisen tarkoituksen, kuten Alankomaiden terveys- ja nuorisoviraston (IGJ) laadunarvioinnin, yksityisten maksajien korvauspäätökset Yhdysvalloissa, potilasluokittelu ja soveltuvuuden määrittäminen tietyntyyppisiin leikkauksiin.

ASA-PS-järjestelmän laajat ja kriittiset sovellukset huomioon ottaen sen tarkkuuden ja objektiivisuuden parantaminen on ensiarvoisen tärkeää. Yksi tapa saavuttaa tämä on kehittää koneoppimisalgoritmi, joka ennustaa ASA-PS:n preoperatiivisten muuttujien perusteella. Anestesiologit perustavat ASA-PS-pisteytyksen systeemisten sairauksien esiintymiseen, jotka voidaan päätellä lääkkeiden käytöstä. Hyödyntämällä tietoja, kuten Anatomical Therapeutic Chemical (ATC) -koodeja, BMI:tä, sukupuolta, ikää, rutiininomaisesti kerättyjä preoperatiivisia terveystietoja ja lääkkeiden käyttöä, tämä algoritmi voisi tarjota johdonmukaisemman ja objektiivisemman ASA-PS:n mittauksen.

Tämä ei ainoastaan ​​parantaisi kliinistä päätöksentekoa potilaiden riskien jakautumisessa, vaan tarjoaisi myös luotettavamman työkalun hallinnolliseen ja sääntelyyn. Siksi tällaisen koneoppimistyökalun kehittäminen tarjoaa merkittävän mahdollisuuden edistää sekä perioperatiivisen hoidon tiedettä että käytäntöä. Lääkkeiden käytön sisällyttäminen algoritmiin voisi entisestään parantaa sen ennustuskykyä, koska se liittyy läheisesti systeemisiin sairauksiin. Tämä lisäys voisi auttaa tarkentamaan ASA-PS-luokitusta, mikä tekee siitä vieläkin arvokkaamman työkalun kliinisissä olosuhteissa.