ER2 и глубокое обучение для прогнозирования неблагоприятных последствий для здоровья

Посещение отделения неотложной помощи (ED) для пожилого человека является медицинским вмешательством с высоким риском. Известные нежелательные явления (НЯ) включают делирий, длительное пребывание в отделении неотложной помощи или госпитализации, госпитализацию, повторные обращения в отделение неотложной помощи и смерть в больнице. Это происходит с растущей долей посетителей отделения неотложной помощи старше 65 лет, которые представлены в посещениях отделения неотложной помощи.

Инструменты, прогнозирующие НЯ в отделении неотложной помощи, имеют первостепенное значение для принятия решений о сортировке и распределении пациентов. Они могут помочь определить области неудовлетворенных потребностей пожилых людей для разработки целенаправленных действий. Несколько систем оценки, в том числе «Программа исследований по интеграции служб поддержки автономии» (PRISMA-7), выявление пожилых людей в группе риска (ISAR), шкала клинической слабости (CFS), краткая гериатрическая оценка (BGA). широко изучались в отделении неотложной помощи и других условиях для различных результатов. Эти инструменты основаны на простой системе оценки, которую может надежно и быстро администрировать минимально обученный персонал. В противном случае вряд ли применимы к повседневной клинической практике.

Поскольку точность прогнозирования за последнее десятилетие значительно не улучшилась, возможно, необходимы новые стратегии анализа. Нынешняя шумиха вокруг глубокого обучения связана с более качественным и дешевым оборудованием и доступностью простых библиотек с открытым исходным кодом, поддерживаемых крупными компаниями и широким сообществом пользователей. Следовательно, реализация алгоритмов глубокого обучения (ГО) теперь открыта для широкого спектра условий, включая медицинскую помощь в стандартной клинической практике. Было показано, что DL более точен, чем средний сертифицированный специалист, в очень специфических задачах. Прогнозирование различных клинических исходов дало менее драматические результаты, возможно, поскольку традиционные (не DL) модели уже превзошли клиницистов по многим болезненным состояниям. Опубликованные подходы DL, применяемые для прогнозирования результатов в отделении неотложной помощи, были сосредоточены на остробольных взрослых в целом, конкретных состояниях или административных проблемах, таких как приемное отделение или переполненность отделения неотложной помощи. Ни один из них не нацелен на определенную возрастную группу, например, на пожилых посетителей отделения неотложной помощи.

Важным предостережением для многих подходов ГО является интерпретация результатов. Чтобы разработать вмешательства, основанные на целевых характеристиках, связанных с НЯ в данной модели, она должна быть в некоторой степени прозрачной. Если несколько слоев NN улучшают прогноз по сравнению с линейной регрессией, они часто не дают клинически значимого понимания того, как и какие переменные взаимодействуют для получения такого результата.