Official facilitator of

Головна

Алгоритм прогнозує ранній ризик смертності при початку хіміотерапії

30 липня 2018 р 13:46

Алгоритм машинного навчання, який використовує дані з електронних медичних записів (ЕМЗ), може точно передбачити ранній ризик смертності у пацієнтів з раком, які збираються пройти хіміотерапію, показує ретроспективне когортне дослідження.

Для отримання інформації про те, як проводять лікування раку хіміотерапією в Ізраїлі кращі фахівці країни, залиште замовлення і ми зв'яжемося з Вами найближчим часом.

«Нова хіміотерапія є критичним подією в траєкторії хвороби від раку, і об'єктивні передбачення короткостроковій смертності в цей час можуть бути корисні лікарям і пацієнтам декількома способами», - сказав старший автор Зіад Обермайер, MD, MPhil, Brigham і Women's Hospital і Гарвардська медична школа, Бостон, Массачусетс і колеги.

«Ця модель добре зарекомендувала себе в різних типах раку, раси, статі та інших демографічних даних», - пишуть вони.

«Оцінки були точними для схем хіміотерапії з паліативним і цілющим призначенням, для пацієнтів з раком ранньої і віддаленій стадії, а також для пацієнтів, які отримували схеми клінічних випробувань, введені через кілька років після навчання моделі», - додають вони.

Подальші дослідження необхідні для визначення того, наскільки доцільно застосовувати цей алгоритм в інших клінічних умовах, вони застерігають.

Дослідження було опубліковане 27 липня в JAMA Network Open.

Для їх вивчення група проаналізувала дані від ЕМЗ для всіх пацієнтів, що проходять хіміотерапію в Дана-Фарбер / Бригама і Жіночому онкологічному центрі в Бостоні, штат Массачусетс.

«Ми виявили 26 946 пацієнтів, які ініціювали 51 774 дискретних курсу хіміотерапії з 2004 по 2014 рік», - пишуть дослідники.

Середній вік групи становив 58,7 року, 61,1% - жінки, 86,9% - білі.

Під час початку хіміотерапії у 59,4% була хвороба на віддаленій стадії.

Повідомляючи про результати тільки по моделі валідації, а не по моделі деривації, на якій вона була заснована, дослідники заявляють, що загальний 30-денний рівень смертності становив 2,1% серед 9114 пацієнтів, включених в набір валідації.

«Модель точно передбачила 30-денну смертність для всіх пацієнтів незалежно від мети хіміотерапії», стверджують автори.

Серед пацієнтів, що проходять паліативну хіміотерапію - для кого прогностичні оцінки будуть особливо важливі, модель також добре працює.

Дослідники також використовували модель для ранжирування окремих пацієнтів з паліативної хіміотерапією для раннього ризику смертності на 30 днів.

У цій підгрупі пацієнтів вони виявили, що 30-денна смертність склала 22,6% серед децилів найвищого ризику прогнозованого ризику проти 0% для пацієнтів в деціле з найнижчим рівнем ризику.

Потім команда використовувала модель для прогнозування ризику смертності на 180 днів.

Серед усіх пацієнтів, включених в набір валідації, загальна смертність протягом 180 днів становила 18,4%; серед пацієнтів, які зазнали паліативної хіміотерапії, смертність протягом 180 днів була вище - 27,9%.

«Модельні передбачення про 30-денний смертності також були точними провісниками смертності на 180 днів», - відзначають дослідники.

Знову ж таки, для ранжирування в деціле найвищого ризику смертність на 180 днів склала 74,8%, в порівнянні з 0,2% серед пацієнтів, що знаходяться в деціле з найнижчим рівнем ризику.

Дослідники також застосували модель до пацієнтів з дистанційною стадією захворювання. У цій підгрупі середній 30-денний рівень смертності становив 2,9%.

Однак знову ризик смертності в 30 днів був значно вище - у 22,7% серед пацієнтів з децилів з найвищим рівнем ризику в порівнянні з 0% серед децилів з найнижчим рівнем ризику.

Навіть коли модель була використана для експериментальних схем хіміотерапії, початих з 2012 по 2014 рік, передбачена точність моделі валідації була дуже високою, при AUC 0,942, відзначають дослідники. Це незважаючи на те, що модель, яка використовується для навчання алгоритму, що не піддавалася цим новим схемам.

Аналізуючи пацієнтів тільки з дистанційною стадією, автори порівняли ефективність своєї моделі з двома зовнішніми оцінками смертності - даними рандомізованого контрольованого дослідження (РСІ) і даними реєстрів епіднагляду, епідеміології і кінцевих результатів (SEER).

Дослідники відзначають, що дані з РСІ і реєстру SEER часто використовуються лікарями для отримання прогнозів смертності.

«Загальна оцінка AUC для РСІ склала 0,555 ... в порівнянні з 0,771 для оцінок на основі моделей», - повідомляють команди.

Модельні передбачення аналогічним чином перевершили оцінки SEER для 1-річної смертності для тих же пацієнтів.

Автори дослідження відзначають, що, щоб бути корисними, прогностичні моделі повинні допомогти лікарям приймати основоположні рішення в повсякденній клінічній практиці.

Вони припускають, що алгоритм машинного навчання, такий як його власний, який може ідентифікувати хворих на рак з високим ризиком ранньої смертності, може допомогти у прийнятті рішень пацієнта і лікаря про ініціювання хіміотерапії і плануванні попередньої допомоги ».

Джерело: https://www.medscape.com/viewarticle/899893

ЗАЯВКА НА ЛІКУВАННЯ

Відправляючи форму Ви погоджуєтеся з політикою конфіденційності

Коментарі

Поки коментарів немає

новий коментар

обов'язково

обов'язково (не публікується)