بر اساس مطالعه جدیدی که هفته گذشته در هفته گذشته منتشر شد، محققان مدلی پیشبینی کردهاند که قادر به شناسایی خطر خونریزی دیررس پس از پانکراتکتومی (PPH) در بیماران مبتلا به فیستول پانکراس (cr-POPF) پس از پانکراتودئودنکتومی است. شبکه JAMA باز است.
تیم تحقیقاتی نشان داد که PPH در نتیجه POPF یک عارضه بالقوه تهدید کننده زندگی پس از انجام پانکراتودئودنکتومی است. با این حال، در حال حاضر هیچ ابزاری برای پیش بینی بیماران در معرض خطر بالای PPH دیررس وجود ندارد.
برای پرداختن به این موضوع، محققان شروع به ساخت یک مدل خطر برای پیشبینی PPH با استفاده از دادههای حین عمل کردند. این ابزار با استفاده از دادههای بیمار از 139 شرکتکننده با POPF مرتبط بالینی که بین 1 ژانویه 2009 و 20 مه 2023 تحت پانکراتودئودنکتومی قرار گرفتند، توسعه یافت. سپس این مدل با استفاده از دادههای کوهورت از یک گروه مشابه از 154 بیمار که در 1 ژانویه تحت پانکراتودئودنکتومی قرار گرفتند، تأیید شد. 2012 تا 31 مه 2022.
تیم تحقیقاتی یک مدل پیشبینی چند متغیره – امتیاز خطر خونریزی (HRS) – را از تجزیه و تحلیل دادههای گروه توسعه استخراج کردند. از بین 35 متغیر با ارزش پیش بینی شناخته شده برای PPH، چهار عامل خطر شناسایی و در ابزار گنجانده شد: خونریزی نگهبان، کشت مایع تخلیه مثبت برای کاندیدا گونهها، و اثبات رادیولوژیک افزایش حاشیه یا گاز در مجموعه مایع اطراف پانکراس.
با استفاده از این پیشبینیکنندهها، هر بیمار با استفاده از یک سیستم نقطه طراحی شده برای ترکیب چهار عامل خطر، به دستههای کم یا پرخطر برای PPH اختصاص داده شد. دو امتیاز برای خونریزی نگهبان و سایر عوامل هر کدام یک امتیاز اختصاص یافت. بیمارانی که یک امتیاز یا کمتر دریافت می کردند به عنوان کم خطر طبقه بندی می شدند، در حالی که هر بیماری که دو امتیاز یا بیشتر دریافت می کرد در معرض خطر PPH در نظر گرفته می شد.
در گروه توسعه، تقریباً 30 درصد از بیماران حداقل یک عامل خطر داشتند، در حالی که 11 درصد حداقل دو عامل خطر داشتند. شایع ترین عامل خطر جمع آوری مایع با گاز بود که 27 درصد از گروه را تحت تأثیر قرار داد. برعکس، خونریزی نگهبان نسبتاً نادر بود و تنها 14 درصد از شرکت کنندگان را تحت تأثیر قرار داد.
در هر دو گروه توسعه و اعتبار سنجی، 191 شرکت کننده به عنوان کم خطر طبقه بندی شدند و 102 نفر به عنوان پرخطر طبقه بندی شدند، اما تنها 74 بیمار پس از میانگین 13 روز PPH دیررس داشتند.
توانایی مدل برای تمایز بین PPH و بدون PPH با استفاده از ناحیه زیر منحنی (AUC) تجزیه و تحلیل شد و ابزار عملکرد بالایی با AUC 0.97 نشان داد. دقت HRS نیز با استفاده از امتیاز Brier تأیید شد و به مقدار پیشبینی بالای 0.05 دست یافت. بیماران مبتلا به PPH در هر دو گروه بیمار به دقت پیشبینی شدند.
محققان به این نتیجه رسیدند که این یافته ها پتانسیل این ابزار را برای تسهیل شناسایی زودهنگام بیماران در معرض خطر بالای PPH نشان می دهد.
ابزارهای تحلیلی پیشرفته نیز برای پیشبینی خطرات پیامدهای نامطلوب در سایر حوزههای بالینی مورد استفاده قرار میگیرند.
هفته گذشته، یک تیم تحقیقاتی از بیمارستان بریگهام و زنان نشان داد که یک مدل زبان بزرگ (LLM) به نام Flan-T5 ممکن است از روشهای استاندارد شناسایی بیماران مبتلا به خونریزی پس از زایمان بهتر عمل کند.
خونریزی پس از زایمان دارای علل بالقوه و عوامل خطر مرتبط است که شناسایی و ردیابی وضعیت بالقوه تهدید کننده زندگی را به چالشی تبدیل می کند. با به دست آوردن بینش در مورد عوامل خطر خونریزی پس از زایمان و زیر جمعیت های تحت تأثیر آن، پزشکان ممکن است بتوانند بهتر پیش بینی کنند که کدام بیماران بیشتر تحت تأثیر قرار می گیرند.
برای تسهیل این امر، محققان Flan-T5 را آموزش دادند تا مفاهیم مرتبط با خونریزی پس از زایمان را در دادههای پرونده الکترونیک سلامت (EHR) تشخیص دهد و آنها را برای علامتگذاری بیماران مبتلا به این بیماری راهنمایی کردند. LLM 95 درصد دقیق بود و از روش های سنتی شناسایی بیماران خونریزی پس از زایمان بهتر عمل کرد.