Instrumentul Fracture Risk Assessment and Classification Using Real-world Evidence and Machine Learning (FRACTURE-ML) ar putea contribui la trecerea îngrijirii fracturilor de șold de la reacționarea după o leziune la prevenția acestora în primul rând.
Modelul de predicție AI, descris în PLOS Medicine, a identificat aproximativ de șapte ori mai mulți indivizi cu risc ridicat decât practica clinică curentă, menținând totodată o precizie relativ ridicată.
„FRACTURE-ML a identificat cu acuratețe persoanele cu risc ridicat de fractură de șold folosind datele de sănătate și populaționale colectate în mod obișnuit, fără a fi necesară o evaluare clinică în persoană,” a declarat autorul corespondent Mattias Lorentzon, MD, de la Universitatea din Gothenburg din Suedia.
„Aceasta ar putea face screening-ul la scară largă mai eficient și ar putea ajuta la ca preventivul să ajungă la persoanele cu risc înainte ca o fractură de șold să apară.”
Fracturile de șold sunt comune la adulții în vârstă și au adesea consecințe grave în ceea ce privește independența, sănătatea și supraviețuirea. Instrumentele existente care prezic riscul de fractură necesită de obicei informații furnizate de pacienți, ceea ce face dificil screening-ul la scară largă.
În căutarea unei metode mai bune înainte, cercetătorii condus de Kristian Axelsson, MD, de asemenea de la Universitatea din Gothenburg, au analizat datele din registrul național suedez a 3.542.647 de persoane cu vârsta de cel puțin 50 de ani care nu au primit prescripții de medicamente pentru osteoporoză în ultimii doi ani.
Pe parcursul unui follow-up de până la 10 ani, 142.327 dintre participanți au suferit o fractură de șold.
Echipa a folosit apoi 139.980 de variabile care includ diagnoze, medicamente și proceduri, precum și date demografice și socioeconomice pentru a dezvolta și valida un model de predicție a fracturii de șold bazat pe învățarea profundă, folosind exclusiv date naționale de registrul fără evaluare a pacientului.
FRACTURE-ML, dezvoltat folosind Deep-Surv cu 2500 de variabile, a fost cel mai bun model și a avut o performanță excelentă cu un AUC de 0,89 pe un an, menținând o acuratețe la cinci ani, cu un AUC de 0,85.
Prin urmare, a reprezentat cel mai precis model de fractură de șold bazat pe registrul până în prezent.
Un model în care numărul de variabile a fost redus la 35 a avut o performanță aproape la fel de bună, cu un AUC de 0,88 pe un an, sugerând că ar putea prezice în mod puternic fracturile într-un instrument clinic practic și ușor de interpretat.
Cercetătorii concluzionează: „Implementarea FRACTURE-ML ar putea îmbunătăți semnificativ identificarea eficientă a pacienților cu risc ridicat, facilitând tratamentul țintit și reducând ratele de fractură de șold. Performanță puternică de predicție.”
Sursa articol https://insideprecisionmedicine.com
Senior Editor RevistaSanatatii.ro. Pasionat de lifespan, fan David Sinclair.
