Исследование сбора данных с использованием искусственного интеллекта и фенотипирование пациентов с острой легочной эмболией (PEPITE)

Контекст:

Искусственный интеллект: НЛП, кластеризация и обучение без учителя:

Искусственный интеллект (ИИ) — это область, которая объединяет информатику с наборами данных с целью дать возможность машине имитировать когнитивные способности человека. Машинное обучение (МО) и его поддомен глубокого обучения, в котором используются слои нейронов, являются двумя основными поддоменами ИИ. Разница заключается в обучении каждого алгоритма. В машинном обучении используются два различных метода: обучение с учителем, которое включает в себя обучение модели на известных входных и выходных данных для прогнозирования будущих результатов, и обучение без учителя, которое предполагает обнаружение скрытых закономерностей и внутренних базовых структур во входных данных. Обработка естественного языка (NLP) также является подобластью ИИ, но для ее эффективности обычно требуется ML. НЛП обрабатывает лингвистические данные реального мира, чтобы придать им смысл так, чтобы их мог понять компьютер.

НЛП состоит из двух основных этапов: предварительная обработка данных и разработка алгоритма. Для этих методов широко используются языки программирования, такие как Python или R.

Целью методов кластеризации является группировка множества людей в однородные классы. Неиерархические методы могут использоваться для классификации больших объемов данных, но требуют предварительного фиксирования количества классов. Иерархические методы, вычисления которых требуют больше времени, состоят из серии вложенных разделов, представленных деревом кластеризации. Оптимальное количество классов можно определить апостериорно, прочитав дерево. При наличии большого количества людей принято комбинировать неиерархические и иерархические методы. Когда классы заранее точно не известны, используются методы кластеризации с обучением без учителя (МО) [1]. Наборы данных обычно делятся на три непересекающихся набора данных: обучающие данные, используемые для обучения выбранных алгоритмов; данные проверки, используемые для проверки производительности результата; и тестовые данные, используемые только в конце процесса.

Венозная тромбоэмболия:

Венозная тромбоэмболическая болезнь (ВТЭ) — распространенная патология, частота встречаемости которой недостаточно изучена, но увеличивается с возрастом, достигая 1% у лиц старше 75 лет. По оценкам, во Франции ежегодно у более чем 100 000 человек развивается ВТЭ, что является причиной от 5 000 до 10 000 смертей. Тромбоз глубоких вен (ТГВ) и тромбоэмболия легочной артерии (ЛЭ) являются двумя основными типами ВТЭ. ТГВ соответствует частичной или полной окклюзии глубокой вены тромбом, чаще всего локализующимся в нижних конечностях. ЛЭ определяется как частичная или полная окклюзия легочных артерий или их ветвей. Основным риском ТГВ является возникновение ТЭЛА, которая может быть опасной для жизни. Другие специфичные для ВТЭО осложнения и возможные неблагоприятные исходы включают тромбоэмболический рецидив (ТГВ или ТЭЛА), хроническую тромбоэмболическую легочную гипертензию и посттромботический синдром при ТГВ. Современное лечение ВТЭО в основном основано на антикоагулянтной терапии. Продолжительность лечения варьируется в зависимости от предполагаемого риска рецидива в случае прекращения лечения, в основном в зависимости от того, существовал ли предшествующий серьезный фактор риска [2]. В этой подгруппе пациентов с ТЭЛА при отсутствии основных факторов риска риск рецидива считается промежуточным и варьируется в зависимости от того, является ли событие первым эпизодом или рецидивом, а также имеются ли обструктивные легочные последствия или нет [3]. В последнее время терапевтическая стратегия стала более сложной, с включением незначительных факторов риска, которые модулируют продолжительность лечения без соответствующих доказательств. Более того, независимо от продолжительности лечения, дозировка антикоагулянтов после шестого месяца неизвестна для пероральных антикоагулянтов прямого действия.

Гипотезы:

Это исследование представлено по двум различным направлениям:

ОСЬ 1: Целью этой работы первоначально будет разработка и проверка инструментов искусственного интеллекта с использованием машинного обучения и НЛП для получения и структурирования данных из текстовых медицинских отчетов в отделении сосудистой медицины Межкоммунального госпитального центра Тулона - ла Сейн. Сюр-Мер (ЧИТС). Этот проект будет основываться на работе, ранее проделанной Департаментом эпидемиологии, биостатистики и медицинских данных (DEBDS) Центра Антуана Лакассаня (CAL), специализирующейся на раке молочной железы и щитовидной железы [5,6,7]. Идея состоит в том, чтобы проверить возможность передачи этих инструментов в другое учреждение с другими патологиями и практикующими врачами, в частности в отделение сосудистой медицины CHITS.

Внедрение метода получения структурированных данных с использованием методов искусственного интеллекта непосредственно из текстовых медицинских отчетов в нашей больнице является непростой задачей. Если его эффективность будет доказана и этот инструмент будет внедряться на постоянной и регулярной основе, он станет легко используемым источником информации. Разнообразие областей и интересов клинических исследований в нашем учреждении может сделать развертывание в других отделениях достижимой целью. Для CHITS это первый шаг в процессе создания хранилища медицинских данных (HDW).

ОСЬ 2: Впоследствии целью будет использование базы данных для выявления клинически значимых фенотипов у пациентов с острой легочной эмболией. Методы иерархической кластеризации в сочетании с обучением без учителя (машинное обучение) будут использоваться для получения групп пациентов, однородных на момент постановки диагноза. Оценка их прогноза через 6 месяцев (рецидив или хроническая тромбоэмболическая легочная гипертензия), учитывая первые 3 месяца лечения антикоагулянтами, могла бы помочь в принятии медицинских решений.

Анализ шестимесячной эволюции однородных групп пациентов с острой тромбоэмболией легочной артерии, построенный с использованием методов кластеризации с обучением без учителя, никогда ранее не проводился. Этот инновационный проект в рамках крупномасштабной больничной инфраструктуры, вероятно, предложит врачам помощь в принятии решений, а пациентам — научно обоснованную форму терапевтического управления.

Материал и методы:

Данное исследование будет включать в себя ретроспективную и проспективную части. В ретроспективную часть войдут пациенты, поступившие в ЧИТС по поводу острой легочной эмболии с 2019 года (около 1900 пациентов). В проспективную часть планируется включить пациентов с такими же характеристиками в течение 2024 и 2025 годов (около 765 пациентов). Если индивидуальная информация недоступна или они возражают против обработки своих данных по 25% пациентов, в этом исследовании потенциально можно проанализировать большой объем данных более чем по 2500 пациентам. Это исследование не окажет никакого влияния на текущий уход за пациентами. Данные консультаций и различных обследований, проводимых в рамках лечения, будут собираться в течение шести месяцев после постановки диагноза для достижения целей исследования.

ОСЬ 1: Метод сбора данных, используемый в этом исследовании, будет двояким. Данные о пациентах, включенных в клинические исследования, будут собираться традиционным способом с использованием формы отчета о случае заболевания, затем централизованно и систематизированы в справочной базе данных под названием «Золотой стандарт» и введены техническим специалистом по клиническим исследованиям. Второй метод сбора данных с использованием методов НЛП будет осуществляться в несколько этапов параллельно с предыдущим подходом. Сначала за извлечением медицинских заключений (MR) в текстовом формате последует этап псевдонимизации. Затем набор данных MR будет подготовлен для обучения и проверки путем удаления специальных символов и определения сегмента интересов. Затем MR будет снабжен аннотацией BRAT, чтобы идентифицировать термины, которые будут использоваться для заполнения базы данных. Сценарии обучения будут применены к 70% пациентов с целью создания моделей НЛП. На этом этапе обучения будут написаны медицинские правила постобработки, чтобы преобразовать информацию, определенную моделями, в структурированные данные. Доработанный таким образом скрипт применяется к базе валидации с оценкой его работоспособности. После всех необходимых корректировок производительность окончательного сценария оценивается в тестовой базе данных. Эффективность будет оцениваться путем сравнения данных, полученных автоматически, с ручной базой данных Золотого стандарта.

ОСЬ 2: Методы неконтролируемой кластеризации, использованные в этом исследовании, сочетают в себе иерархические и неиерархические методы. После иерархической восходящей кластеризации индекс Уорда используется для определения количества групп интересов. Затем рассматриваются центроиды этих групп для инициализации алгоритма разделения, такого как алгоритм k-средних. После определения наиболее значимых с медицинской точки зрения групп сравнивают динамику за шесть месяцев (стабильная, ухудшение или прогресс). Факторы, влияющие на прогрессирование в течение первых трех месяцев лечения, также могут быть включены в статистическую модель в зависимости от их способности прогнозировать обострение. Все эти исследования должны стать основой для принятия медицинских решений.