Алгоритм определения приоритетов диагностики цирроза печени на основе электронных медицинских карт.

В этом исследовании исследователи используют современные возможности машинного обучения в области гепатологии для разработки модели, которая может определять приоритетность лиц с высоким риском прогрессирования цирроза печени на ранней и излечимой стадии.

Цирроз — это запущенное состояние заболевания печени, которое обычно проявляется, когда печень уже сильно повреждена, без многих вариантов лечения и с мрачным прогнозом.

В настоящее время существует 2 способа диагностики, первый – биопсия печени, которая является дорогостоящей, причиняет боль пациентам и имеет свои риски. Вторым является специализированный визуализирующий тест, такой как Fibroscan, который безопасен и безболезнен, но также слишком дорог, чтобы его можно было использовать в качестве инструмента широкого скрининга.

Шкалы, которые рассчитывают более высокую вероятность заболевания печени, уже разработаны, но с более низкой прогностической силой, чем это необходимо для обоснования дальнейшего обследования с целью обнаружения.

Исследование состоит из 4 отдельных этапов:

1. Разработка модели. Модель машинного обучения, прогнозирующая время до события для диагностики цирроза печени, будет разработана на основе электронных медицинских карт. Записи анонимны, и вся работа выполняется на выделенном сервере.

2. В анонимизированную электронную медицинскую карту будут поступать последние результаты лабораторных анализов и диагнозы из Северного округа медицинского учреждения «Клалит». На этих записях будет работать обученная модель из фазы 1, чтобы предсказать время до события для диагностики цирроза печени. С помощью прогнозов люди будут упорядочены по степени риска.

   Через деанонимизированные записи, доступные только клиницистам, будут наблюдаться 20 человек с самым высоким риском. Это включает в себя измерение последних оценок FIB-4, просмотр предыдущих диагнозов и тестов, а также текстовую информацию от врачей. Эти люди не приглашаются в гости и просматриваются только ретроспективно через их записи.

3. По результатам этапа 2 модель машинного обучения этапа 1 будет пересмотрена. Это включает в себя возможные изменения, такие как пересмотр критериев включения/исключения, изменение лабораторных тестов, предоставленных в качестве входных данных для модели, и т. д.
4. Как и на этапе 2, будут получены обновленные анонимные электронные медицинские карты из Северного округа медицинского учреждения «Клалит». Обновленная модель из фазы 3 будет работать для прогнозирования времени до события для диагностики цирроза печени. Кроме того, всем лицам будет рассчитана их оценка FIB-4. Будет составлен ранжированный список лучших лиц с наивысшим прогнозируемым риском, предсказанным моделью из фазы 3, и лучших лиц с наивысшим баллом FIB-4. Приблизительно четверть людей будет из группы оценки FIB-4, возраст и пол которых соответствуют группе прогнозирования. Групповая идентичность останется неизвестной клиницистам, что приведет к проведению двойного слепого исследования. Людей будут приглашать в клинику для проверки. В клинике люди пройдут фиброскан, измерения роста и веса, ответят на вопросы анкеты ВОЗ для выявления расстройств, связанных с употреблением алкоголя (AUDIT). Кроме того, их файлы в электронных медицинских картах будут открыты, и будут собраны существующие диагнозы, лабораторные анализы и рецепты на лекарства.