ER2 i głębokie uczenie się do przewidywania niekorzystnych skutków zdrowotnych

Wizyta na oddziale ratunkowym (SOR) osoby starszej to interwencja medyczna wysokiego ryzyka. Znane zdarzenia niepożądane (AE) obejmują delirium, przedłużony SOR lub pobyt w szpitalu, hospitalizację, powtarzające się wizyty na SOR i śmierć w szpitalu. Dzieje się tak w coraz większym odsetku osób odwiedzających SOR w wieku powyżej 65 lat, które są reprezentowane na wizytach w SOR.

Narzędzia do przewidywania AE na SOR mają ogromne znaczenie, aby pomóc w podejmowaniu decyzji dotyczących segregacji pacjentów i dyspozycji. Mogą pomóc zidentyfikować obszary niezaspokojonych potrzeb seniorów w celu opracowania ukierunkowanych działań. Wiele systemów punktacji, w tym „Programme de recherche sur l'intégration des services de maintien de l'autonomie” (PRISMA-7), Identification of Seniors at Risk (ISAR), Clinical Frailty Scale (CFS), Brief Geriatric Assessment (BGA) szeroko badano na oddziale ratunkowym i innych ustawieniach pod kątem różnych wyników. Narzędzia te opierają się na prostym systemie oceniania, którym minimalnie przeszkolony personel może niezawodnie i szybko zarządzać. Jest mało prawdopodobne, aby inne postępowanie miało zastosowanie w codziennej praktyce klinicznej.

Ponieważ dokładność prognoz nie poprawiła się znacząco w ciągu ostatniej dekady, być może konieczne są nowe strategie analizy. Obecny szum wokół głębokiego uczenia wynika z lepszego i tańszego sprzętu oraz dostępności prostych i otwartych bibliotek obsługiwanych przez duże firmy i szeroką społeczność użytkowników. W związku z tym wdrażanie algorytmów głębokiego uczenia się (DL) jest obecnie dostępne w szerokim zakresie ustawień, w tym w opiece medycznej w standardowej praktyce klinicznej. Wykazano, że DL jest dokładniejszy niż przeciętny specjalista z certyfikatem zarządu w przypadku bardzo konkretnych zadań. Przewidywanie różnych wyników klinicznych przyniosło mniej dramatyczne wyniki, być może dlatego, że tradycyjne modele (nie-DL) już przewyższały klinicystów w przypadku wielu stanów chorobowych. Opublikowane podejścia DL zastosowane do przewidywania wyników na SOR skupiały się na ostro chorych osobach dorosłych w ogólnych, specyficznych stanach lub kwestiach administracyjnych, takich jak oddział przyjęć lub przepełnienie SOR. Żaden nie był skierowany do określonej grupy wiekowej, jak starsi goście ED.

Ważnym zastrzeżeniem dla wielu podejść DL jest interpretacja wyników. Aby opracować interwencje w oparciu o ukierunkowane cechy związane z zdarzeniami niepożądanymi w danym modelu, musi to być w pewnym stopniu przejrzyste. Jeśli wiele warstw NN poprawia przewidywanie w porównaniu z regresją liniową, często nie zapewniają one żadnego klinicznie istotnego wglądu w to, w jaki sposób i które zmienne oddziałują na siebie, aby uzyskać ten wynik.