Voorspellen van bijwerkingen met behulp van machine learning van COPD-patiënten in Hong Kong

Chronische obstructieve longziekte (COPD) is een veelvoorkomende, te voorkomen en te behandelen ziekte die wordt gekenmerkt door aanhoudende ademhalingssymptomen en beperking van de luchtstroom die het gevolg is van luchtweg- en/of alveolaire afwijkingen, meestal veroorzaakt door significante blootstelling aan schadelijke deeltjes of gassen en beïnvloed door de gastheer. factoren waaronder abnormale longontwikkeling. Naar schatting stierven in 2015 wereldwijd 3,2 miljoen mensen aan COPD en er was een stijging van 11,6% ten opzichte van 1990. COPD is wereldwijd de derde belangrijkste doodsoorzaak in 2019.

In Hong Kong (HK) waren de prevalentiecijfers van COPD bij ouderen van ≥60 jaar 25,9% en 12,4% op basis van de spirometrische definitie van geforceerd expiratoir volume in 1 s (FEV1)/geforceerde vitale capaciteit (FVC) ratio <70 % en de ondergrens van normaal van respectievelijk de FEV1/FVC.4 Uit ons recente onderzoek naar COPD-ziekenhuisopnames zijn er in totaal 67.628 COPD-opnames jan 2017 week 1 tot jan 2020 week 3 (vóór de COVID-pandemie) en 11.065 opnames van jan 2020 week 4 tot dec 2020 week 4 (tijdens de COVID-pandemie ). 5 De last van COPD-ziekenhuisopnames is aanzienlijk en het is belangrijk om de drijfveer van deze opnames te begrijpen voor het ontwikkelen van geschikte strategieën om het probleem op te lossen en de gezondheidsresultaten van COPD-patiënten te verbeteren.

Vroege heropname en frequente opnames als gevolg van COPD zijn vaak bestudeerde ziekenhuisuitkomsten vanwege de hoge financiële last voor zowel het individu als de staat en het hoge gebruik van openbare gezondheidszorgmiddelen. Met de komst van kunstmatige intelligentie (AI) en machine learning (ML) is er veel belangstelling voor de toepassing ervan in de geneeskunde. Recente meta-analyse toonde compatibiliteit van deze modellen bij het voorspellen van COPD-uitkomsten.7 Er zijn echter maar weinig onderzoeken die hebben kunnen aantonen dat AI/ML superieur is aan traditionele statistische modelleringsmethoden, dat AI/ML interpreteerbaar is en klinisch gecorreleerd kan worden, en dat AI/ML directe klinische toepassing kan hebben.

Deze studie heeft tot doel voorspellende modellen te ontwikkelen voor patiënten met de diagnose COPD bij ontslag uit een indexopname op deze uitkomsten:

Primaire uitkomst: vroege opname

Secundaire uitkomsten:

1. Frequente heropname
2. Samengesteld resultaat (vroege + frequente heropnames)
3. Sterfte
4. Langblijvers

De levensvatbaarheid en vermeende superioriteit van Machine Learning (ML)-modellen als alternatieven voor traditionele statistische leermethoden zullen worden beoordeeld. Afgezien daarvan zouden de belangrijkste voorspellers van elk van belang zijnde uitkomst worden geïdentificeerd voor suggesties voor mogelijke interventies die de uitkomsten zullen verbeteren (d.w.z. vermindering van vroege opname, frequente opname en sterftecijfers). Ook zullen klinische scores voor inzet in klinische setting worden ontwikkeld.