Инсульт бывает сложно диагностировать, поскольку у пациентов не всегда проявляются классические симптомы, а другие состояния могут его имитировать. Исследователи использовали существующие данные для разработки модели машинного обучения, которая точно предсказывает инсульт и может упростить диагностику.
Ошибки диагностики представляют собой серьезную проблему общественного здравоохранения и способствуют предотвратимому вреду для пациентов и перерасходу средств на здравоохранение. Предотвратимая смертность от инсульта из-за диагностических ошибок встречается в 30 раз чаще, чем неправильно диагностированный сердечный приступ.
Инсульт может быть особенно трудно диагностировать, поскольку его признаки и симптомы могут имитировать другие состояния, такие как судороги, мигрени, психические расстройства, а также наркотическая и алкогольная интоксикация. Кроме того, инсульты могут проявляться нетипичными симптомами. Приблизительно у 25 % пациентов, перенесших инсульт, нет обычных проблем с речью, обвисания лица и слабости конечностей, что еще больше затрудняет постановку точного диагноза врачом.
Исследователи из Университетов Карнеги-Меллона, Международного университета Флориды и Санта-Клары разработали автоматизированный инструмент для скрининга, использующий технологию машинного обучения, чтобы исключить некоторые догадки при диагностике инсульта.
«Методы машинного обучения использовались для выявления инсульта путем интерпретации подробных данных, таких как клинические записи и результаты диагностической визуализации», — сказал Рема Падман, автор исследования. «Но такая информация может быть недоступна, когда пациентов первоначально сортируют в отделениях неотложной помощи больниц, особенно в сельских районах и общинах с недостаточным уровнем обслуживания».
Для разработки своего алгоритма прогнозирования инсульта исследователи использовали более 143 000 индивидуальных историй болезни пациентов, поступивших в больницы неотложной помощи во Флориде в период с 2012 по 2014 год. , пол, раса и существующие заболевания.
Модель машинного обучения предсказала инсульт с точностью 84 %. Он также обладал высокой чувствительностью, превосходя существующие диагностические модели, которые, как правило, пропускали до 30 % инсультов.
«Умеренная чувствительность существующих моделей вызывает опасения, что они пропускают значительный процент людей с инсультом», — сказал Мин Чен, ведущий автор исследования. «В больницах с нехваткой медицинских ресурсов и клинического персонала наш алгоритм может дополнить текущие модели, чтобы помочь быстро определить приоритет пациентов для соответствующего вмешательства».
Результаты исследования показывают, что эта модель машинного обучения может точно предсказать вероятность того, что у человека был или есть инсульт, прежде чем получить подтверждение с помощью диагностической визуализации или лабораторных тестов.
«Потому что наша модель не требуются клинические записи или результаты диагностических тестов, это может быть особенно полезно для решения проблем с ошибочным диагнозом при работе с пациентами с инсультом с более легкими и атипичными симптомами», — сказал Сюань Тан, соавтор исследования. «Это также может быть полезно в отделениях неотложной помощи небольших центров или неинсультных центров, где поставщики медицинских услуг имеют ограниченный ежедневный контакт с инсультом, а также в сельской местности с ограниченным доступом к чувствительным диагностическим инструментам».
Но исследователи отмечают, что их алгоритм не предназначен для использования в качестве автономной модели; его следует использовать в сочетании с существующими моделями диагностики инсульта.
Исследователи рекомендуют, чтобы их алгоритм прогнозирования инсульта был включен в автоматизированный компьютеризированный инструмент скрининга, доступный во время госпитализации.
p>
Исследование было опубликовано в Journal of Medical Internet Research.
