Прогнозирование неблагоприятных исходов с помощью машинного обучения пациентов с ХОБЛ в Гонконге

Хроническая обструктивная болезнь легких (ХОБЛ) является распространенным, предотвратимым и излечимым заболеванием, которое характеризуется стойкими респираторными симптомами и ограничением скорости воздушного потока, что связано с аномалиями дыхательных путей и/или альвеол, обычно вызванными значительным воздействием вредных частиц или газов и влиянием хозяина. факторов, включая аномальное развитие легких. По оценкам, в 2015 году во всем мире от ХОБЛ умерло 3,2 миллиона человек, что на 11,6% больше, чем в 1990 году. ХОБЛ является третьей ведущей причиной смерти в мире в 2019 году.

В Гонконге (ГК) показатели распространенности ХОБЛ среди пожилых людей в возрасте ≥60 лет составили 25,9% и 12,4% на основании спирометрического определения отношения объема форсированного выдоха за 1 с (ОФВ1)/форсированной жизненной емкости легких (ФЖЕЛ) <70. % и нижняя граница нормы ОФВ1/ФЖЕЛ соответственно.4 Согласно нашему недавнему исследованию госпитализаций с ХОБЛ, в период с 1-й недели января 2017 г. по 3-ю неделю января 2020 г. было зарегистрировано 67 628 госпитализаций с ХОБЛ (до пандемии COVID) и 11 065 госпитализаций с 4-й недели января 2020 г. по 4-ю неделю декабря 2020 г. (во время пандемии COVID). ). 5 Бремя госпитализаций по поводу ХОБЛ является значительным, и важно понять причину этих госпитализаций для разработки подходящих стратегий для решения проблемы и улучшения исходов для здоровья пациентов, страдающих ХОБЛ.

Ранняя повторная госпитализация и частые госпитализации в связи с ХОБЛ обычно являются исходами для изучения в больницах из-за высокого финансового бремени как для отдельных лиц, так и для государства, а также высокого использования ресурсов общественного здравоохранения. С появлением искусственного интеллекта (ИИ) и машинного обучения (МО) их применение в медицине вызвало значительный интерес. Недавний метаанализ показал совместимость этих моделей в прогнозировании исходов ХОБЛ.7 Однако в нескольких исследованиях удалось показать, что ИИ/МО превосходят традиционные методы статистического моделирования, ИИ/МО поддаются интерпретации и могут быть клинически коррелированы, а ИИ/МО может иметь прямое клиническое применение.

Это исследование направлено на разработку прогностических моделей для пациентов с диагнозом ХОБЛ при выписке из индексной госпитализации по следующим исходам:

Первичный результат: Ранняя госпитализация

Вторичные результаты:

1. Частая повторная госпитализация
2. Комбинированный результат (ранняя + частая повторная госпитализация)
3. Смертность
4. Долгожители

Будут оцениваться жизнеспособность и предполагаемое превосходство моделей машинного обучения (МО) как альтернативы традиционным методам статистического обучения. Помимо этого, будут определены основные предикторы каждого интересующего исхода для предложений возможных вмешательств, которые улучшат исходы (т. снизить раннюю госпитализацию, частую госпитализацию и смертность). Также будут разработаны клинические оценки для развертывания в клинических условиях.