Badanie gromadzenia danych przy użyciu sztucznej inteligencji i fenotypowania pacjentów z ostrą zatorowością płucną (PEPITE)

Kontekst :

Sztuczna inteligencja: NLP, klastrowanie i uczenie się bez nadzoru:

Sztuczna inteligencja (AI) to dziedzina, która łączy informatykę ze zbiorami danych w celu umożliwienia maszynie imitowania zdolności poznawczych człowieka. Uczenie maszynowe (ML) i jego poddomena głębokiego uczenia się, która wykorzystuje warstwy neuronów, to dwie główne poddomeny sztucznej inteligencji. Różnica polega na szkoleniu każdego algorytmu. W ML stosowane są dwie różne metody: uczenie się nadzorowane, które obejmuje trenowanie modelu na znanych danych wejściowych i wyjściowych w celu przewidywania przyszłych wyników, oraz uczenie się bez nadzoru polega na odkrywaniu ukrytych wzorców i wewnętrznych struktur leżących u podstaw danych wejściowych. Przetwarzanie języka naturalnego (NLP) również jest poddziedziną sztucznej inteligencji, ale generalnie wymaga, aby ML było skuteczne. NLP przetwarza dane językowe ze świata rzeczywistego, aby nadać im sens w sposób zrozumiały dla komputera.

NLP składa się z dwóch głównych etapów: wstępnego przetwarzania danych i opracowania algorytmu. W przypadku tych technik powszechnie stosuje się języki programowania, takie jak Python lub R.

Celem metod grupowania jest grupowanie zbioru jednostek w jednorodne klasy. Do klasyfikowania ogromnych danych można używać metod niehierarchicznych, ale wymagają one wcześniejszego ustalenia liczby klas. Metody hierarchiczne, których obliczenia są bardziej czasochłonne, składają się z szeregu zagnieżdżonych partycji reprezentowanych przez drzewo grupujące. Optymalną liczbę klas można określić a posteriori, czytając drzewo. W obecności dużej liczby osób powszechne jest łączenie technik niehierarchicznych i hierarchicznych. Gdy klasy nie są z góry jasno znane, stosuje się metody grupowania w przypadku uczenia się bez nadzoru (ML) [1]. Zbiory danych są ogólnie podzielone na trzy rozłączne zbiory danych: dane uczące, używane do uczenia wybranych algorytmów; dane walidacyjne, wykorzystywane do sprawdzenia wydajności wyniku; i dane testowe, wykorzystywane dopiero na końcu procesu.

Żylna choroba zakrzepowo-zatorowa:

Żylna choroba zakrzepowo-zatorowa (VTE) jest częstą patologią, której częstość występowania nie jest w pełni znana, ale zwiększa się wraz z wiekiem, osiągając 1% u osób powyżej 75. roku życia. Szacuje się, że we Francji co roku u ponad 100 000 osób zapada na ŻChZZ, która jest przyczyną od 5 000 do 10 000 zgonów. Zakrzepica żył głębokich (DVT) i zatorowość płucna (PE) to dwa główne typy VTE. ZŻG oznacza częściowe lub całkowite zamknięcie żyły głębokiej przez skrzeplinę, zlokalizowaną najczęściej w kończynach dolnych. PE definiuje się jako częściowe lub całkowite zamknięcie tętnic płucnych lub ich odgałęzień. Głównym ryzykiem DVT jest wystąpienie PE, które może zagrażać życiu. Inne powikłania specyficzne dla ŻChZZ i możliwe niekorzystne skutki obejmują nawrót choroby zakrzepowo-zatorowej (DVT lub PE), przewlekłe zakrzepowo-zatorowe nadciśnienie płucne i zespół pozakrzepowy w DVT. Obecne leczenie ŻChZZ opiera się głównie na leczeniu przeciwzakrzepowym. Czas trwania leczenia różni się w zależności od szacowanego ryzyka nawrotu w przypadku przerwania leczenia, zasadniczo w zależności od tego, czy w przeszłości występował główny czynnik ryzyka, czy też nie [2]. W tej podgrupie pacjentów z PE, przy braku głównych czynników ryzyka, ryzyko nawrotu uważa się za pośrednie i różni się w zależności od tego, czy zdarzenie jest pierwszym epizodem, czy nawrotem oraz czy występują obturacyjne następstwa płucne, czy nie [3]. Niedawno strategia terapeutyczna stała się bardziej złożona i uwzględnia mniejsze czynniki ryzyka, które modulują czas trwania leczenia bez odpowiednich dowodów. Ponadto, niezależnie od czasu trwania leczenia, dawkowanie leku przeciwzakrzepowego po szóstym miesiącu w przypadku bezpośrednich doustnych leków przeciwzakrzepowych jest niepewne.

Hipotezy:

Badania te są prezentowane w ramach dwóch odrębnych osi:

OŚ 1: Celem tej pracy będzie początkowo opracowanie i walidacja narzędzi sztucznej inteligencji, wykorzystujących ML i NLP, do pozyskiwania i strukturyzacji danych z tekstowych raportów medycznych na oddziale medycyny naczyniowej w Centre Hospitalier Intercommunal de Toulon - la Seyne sur mer (CHITS). Projekt ten będzie opierał się na pracach wykonanych wcześniej przez Departament Epidemiologii, Biostatystyki i Danych Zdrowotnych (DEBDS) w Centrum Antoine Lacassagne (CAL), koncentrując się na rakach piersi i tarczycy [5,6,7]. Pomysł polega na sprawdzeniu możliwości przeniesienia tych narzędzi do innego ośrodka z różnymi patologiami i praktykami, w szczególności do oddziału medycyny naczyniowej CHITS.

Wdrożenie metody pozyskiwania ustrukturyzowanych danych z wykorzystaniem technik sztucznej inteligencji bezpośrednio z tekstowych raportów medycznych w naszym szpitalu jest wyzwaniem. Jeśli jego skuteczność zostanie udowodniona, a narzędzie to będzie wdrażane w sposób ciągły i rutynowy, stanie się łatwym do wykorzystania źródłem informacji. Różnorodność dziedzin i zainteresowań badaniami klinicznymi w naszej placówce może sprawić, że oddelegowanie do innych oddziałów będzie osiągalnym celem. Dla CHITS jest to pierwszy krok w procesie budowy hurtowni danych zdrowotnych (HDW).

OŚ 2: Następnie celem będzie wykorzystanie bazy danych do identyfikacji klinicznie istotnych fenotypów u pacjentów z ostrą zatorowością płucną. Hierarchiczne metody grupowania w połączeniu z uczeniem bez nadzoru (uczeniem maszynowym) zostaną wykorzystane w celu uzyskania grup pacjentów jednorodnych w momencie diagnozy. Ocena rokowania po 6 miesiącach (nawrót lub przewlekłe zakrzepowo-zatorowe nadciśnienie płucne) po pierwszych 3 miesiącach leczenia przeciwzakrzepowego byłaby pomocna w podejmowaniu decyzji medycznych.

Nigdy wcześniej nie przeprowadzono analizy sześciomiesięcznej ewolucji jednorodnych grup pacjentów z ostrą zatorowością płucną, skonstruowanej przy użyciu metod grupowania i uczenia się bez nadzoru. Ten innowacyjny projekt w ramach wielkoskalowej infrastruktury szpitalnej prawdopodobnie zapewni lekarzom pomoc w podejmowaniu decyzji, a pacjentom naukowo potwierdzoną formę postępowania terapeutycznego.

Materiał i metody :

Badanie to będzie obejmować część retrospektywną i prospektywną. Część retrospektywna obejmie pacjentów przyjętych do CHITS z powodu ostrej zatorowości płucnej od 2019 roku (około 1900 pacjentów). W części prospektywnej planowane jest włączenie pacjentów o tej samej charakterystyce w latach 2024 i 2025 (około 765 pacjentów). Jeżeli indywidualne informacje nie są dostępne lub sprzeciwiają się przetwarzaniu ich danych w przypadku 25% pacjentów, w tym badaniu można potencjalnie przeanalizować dużą ilość danych dotyczących ponad 2500 pacjentów. Badania te nie będą miały wpływu na obecną opiekę nad pacjentami. Dane z konsultacji i różnorodnych badań przeprowadzonych w ramach opieki będą zbierane przez sześć miesięcy od postawienia diagnozy, aby spełnić cele badawcze.

OŚ 1: Metoda gromadzenia danych zastosowana w tym badaniu będzie dwojaka. Dane od pacjentów objętych badaniami klinicznymi będą gromadzone w sposób konwencjonalny za pomocą formularza opisu przypadku, następnie scentralizowane i uporządkowane w referencyjnej bazie danych o nazwie „Złoty Standard” i wprowadzone przez technika badań klinicznych. Druga technika pozyskiwania danych, wykorzystująca metody NLP, będzie przebiegać w kilku etapach, równolegle do poprzedniego podejścia. Po pierwsze, po wyodrębnieniu raportów medycznych (MR) w formacie tekstowym, nastąpi etap pseudonimizacji. Zbiór danych MR zostanie następnie przygotowany do szkolenia i walidacji poprzez usunięcie znaków specjalnych i identyfikację segmentu zainteresowań. Następnie MR zostanie opatrzony adnotacją BRAT w celu zidentyfikowania terminów, które zostaną użyte do zapełnienia bazy danych. Skrypty szkoleniowe zostaną zastosowane u 70% pacjentów w celu stworzenia modeli NLP. Na tym etapie szkolenia zostaną napisane zasady medyczne przetwarzania końcowego w celu przełożenia informacji zidentyfikowanych przez modele na ustrukturyzowane dane. Tak ukończony skrypt trafia do bazy walidacyjnej z oceną jego działania. Po dokonaniu wszelkich niezbędnych poprawek, w testowej bazie danych oceniana jest wydajność końcowego skryptu. Wydajność zostanie oceniona poprzez porównanie danych uzyskanych automatycznie z ręczną bazą danych Gold Standard.

OŚ 2: Metody grupowania bez nadzoru zastosowane w tym badaniu łączą metody hierarchiczne i niehierarchiczne. Zgodnie z hierarchicznym, rosnącym grupowaniem, do określenia liczby grup zainteresowań stosuje się wskaźnik Warda. Następnie uważa się, że centroidy tych grup inicjują algorytm podziału, taki jak algorytm k-średnich. Po określeniu grup istotnych z medycznego punktu widzenia porównuje się sześciomiesięczną ewolucję (stabilność, pogorszenie lub postęp). Czynniki wpływające na progresję w ciągu pierwszych trzech miesięcy leczenia można również uwzględnić w modelu statystycznym, w zależności od ich zdolności do przewidywania pogorszenia. Wszystkie te badania powinny stanowić podstawę do podejmowania decyzji medycznych.