ER2 és Deep Learning a káros egészségügyi következmények előrejelzésére

A Sürgősségi Osztály (ED) látogatása egy idősebb felnőtt számára nagy kockázatú orvosi beavatkozás. Az ismert nemkívánatos események (AE) közé tartozik a delírium, a hosszan tartó ED vagy kórházi tartózkodás, a kórházi kezelés, az ismétlődő ED-látogatás és a kórházi halál. Ezek egyre nagyobb arányban fordulnak elő a 65 év feletti orvoslátogatók körében, akik idősebbek az ED-látogatásokon.

Az ED-ben a nemkívánatos események előrejelzésére szolgáló eszközök kiemelkedően fontosak a betegek osztályozásával és diszpozíciójával kapcsolatos döntéshozatal elősegítésében. Segíthetnek azonosítani azokat a területeket, ahol az idősek kielégítetlen szükségletei vannak a célzott intézkedések kidolgozása érdekében. Több pontozási rendszer, köztük a "Programme de recherche sur l'intégration des services de maintien de l'autonomie" (PRISMA-7), a kockázatos idősek azonosítása (ISAR), a Clinical Frailty Scale (CFS), a Brief Geriatric Assessment (BGA) széles körben tanulmányozták az ED-ben és más körülmények között különböző eredmények érdekében. Ezek az eszközök egy egyszerű pontozási rendszeren alapulnak, amelyet a minimálisan képzett személyzet megbízhatóan és gyorsan felügyelhet. Valószínűleg nem lesz másként alkalmazható a napi klinikai gyakorlatban.

Mivel az előrejelzés pontossága nem javult jelentősen az elmúlt évtizedben, talán új elemzési stratégiákra van szükség. A mély tanulás körüli jelenlegi felhajtás a jobb és olcsóbb hardverekből, valamint a nagyvállalatok és a felhasználók széles közössége által támogatott egyszerű és nyílt forráskódú könyvtárak elérhetőségéből fakad. Ennélfogva a mély tanulási (DL) algoritmusok megvalósítása ma már számos beállítás előtt nyitva áll, beleértve az orvosi ellátást a szokásos klinikai gyakorlatban. A DL pontosabbnak bizonyult, mint az átlagos testületi képesítéssel rendelkező szakember nagyon speciális feladatokban. A különböző klinikai kimenetelek előrejelzése kevésbé drámai eredményeket hozott, talán mivel a hagyományos (nem DL) modellek már sok betegség esetén felülmúlták a klinikusokat. Az ED kimenetelének előrejelzésére alkalmazott, publikált DL-megközelítések általánosságban az akut beteg felnőttekre, konkrét állapotokra vagy olyan adminisztratív kérdésekre összpontosítottak, mint a befogadási osztály vagy az ED túlzsúfoltsága. Egyik sem célzott meg egy meghatározott korcsoportot, mint például az idősebb ED-látogatókat.

Számos DL-megközelítés fontos figyelmeztetése az eredmények értelmezése. Ahhoz, hogy egy adott modellben az AE-ekhez kapcsolódó célzott jellemzőken alapuló beavatkozásokat fejlesszünk ki, valamennyire átláthatónak kell lennie. Ha az NN-ek több rétege javítja az előrejelzést a lineáris regresszióhoz képest, gyakran nem adnak klinikailag releváns betekintést arról, hogyan és mely változók kölcsönhatásba lépnek az eredmény eléréséhez.