Levercirrosdiagnos Prioriterande algoritm baserad på elektroniska journaler.

I denna studie utnyttjar utredarna moderna möjligheter för maskininlärning inom hepatologiområdet för att utveckla en modell som kan identifiera prioriterade individer med hög risk att utvecklas till levercirros i ett tidigt och behandlingsbart skede.

Cirros är ett långt framskridet tillstånd av leversjukdom som vanligtvis visar sig när levern redan är allvarligt skadad, utan många behandlingsalternativ och dyster prognos.

Det finns för närvarande två sätt att ställa diagnos, den första är leverbiopsi som är kostsam och orsakar smärta för patienterna och har sina egna risker. Det andra är ett avsett avbildningstest, såsom Fibroscan, som är säkert och smärtfritt men också för dyrt än vad som kan vara genomförbart som ett brett screeningverktyg.

Poäng som beräknar högre sannolikhet för en leversjukdom har redan utvecklats, men med lägre prediktiv styrka än vad som är lämpligt för att motivera ytterligare undersökning mot upptäckt.

Studien består av fyra olika faser:

1. Modellutveckling. En maskininlärningsmodell som förutsäger tid till händelse för levercirrosdiagnos kommer att utvecklas baserat på elektroniska hälsojournaler. Register är anonymiserade och allt arbete utförs på en utsedd server.

2. Anonymized Electronic Health Records senaste labbtestresultat och diagnoser från Clalit Healthcares Norra distrikt kommer att erhållas. På dessa poster kommer den tränade modellen från fas 1 att köras för att förutsäga tid till händelse för levercirrosdiagnos. Via förutsägelser kommer individer att beställas efter risk.

   Via de deanonymiserade journalerna, endast tillgängliga för läkare, kommer 20 individer med högsta risk att observeras. Detta inkluderar mätning av senaste FIB-4-poäng, visning av tidigare diagnoser och tester, samt textinformation från läkare. Dessa personer är inte inbjudna till ett besök och ses endast i efterhand genom deras register.

3. Efter resultat från fas 2 kommer maskininlärningsmodellen från fas 1 att revideras. Detta inkluderar möjliga förändringar såsom revideringar av inklusions-/exkluderingskriterier, förändring av labbtest som ges som input till modellen, etc.
4. Liksom i fas 2 kommer uppdaterade anonymiserade elektroniska journaler från Clalit-sjukvårdens Norra distrikt att inhämtas. Den uppdaterade modellen från fas 3 kommer att köras för att förutsäga tid till händelse för levercirrosdiagnos. Dessutom kommer alla individer att få sina FIB-4-poäng beräknade. En rankad lista över de toppindivider med högst förutsagd risk som förutspåtts av modellen från fas 3 och toppindivider med högsta FIB-4-poäng kommer att konstrueras. Ungefär en fjärdedel av individerna kommer från FIB-4-poänggruppen, ålder och kön matchat med prediktionsgruppen. Gruppidentiteten kommer att förbli okänd för läkare, och upprätthåller en dubbelblind studie. Individer kommer att bjudas in till kliniken för kontroller. På kliniken kommer individer att genomgå Fibroscan, längd- och viktmätningar, svara på WHO:s frågeformulär för identifiering av alkoholmissbruk (AUDIT). Vidare kommer deras handlingar i de elektroniska journalerna att vara öppna och befintliga diagnoser, laboratorietester och läkemedelsförskrivningar samlas in.