Un nou studiu publicat în Jurnalul de Cercetare Medicală pe Internet sugerează că învățarea automată ar putea ajuta la realizarea unei evaluări mai precise a riscului în primul trimestru. Cercetătorii au dezvoltat modele bazate pe IA folosind date colectate în mod regulat din sarcinile din Suedia, Chile și Singapore, limitând datele de intrare la informațiile disponibile înainte de 14 săptămâni de gestație. Modelele au prezis un set de rezultate grave pentru mamă, făt și nou-născut, incluzând nașterea prematură, greutatea mică la naștere, moartea intrauterină, morbiditatea severă maternă și mortalitatea maternă.
Studiul a inclus peste 770.000 de sarcini după procesarea datelor, cu cel mai mare set de date provenind din Suedia. Modelele care s-au descurcat cel mai bine au fost bazate pe LightGBM, o metodă de învățare automată folosită în mod obișnuit pentru date clinice structurate.
În toate cele trei țări, modelele AI au avut o performanță mai bună decât abordările actuale de evaluare a riscului timpuriu folosite în practică, cu câștiguri cel mai evidente în Suedia și Chile și o îmbunătățire mai mică, dar totuși semnificativă, în Singapore. Rezultatele nu au fost suficient de puternice pentru a poziționa modelele ca instrumente diagnostice. În schimb, ele sunt mai bine privite ca ajutoare de triaj: o modalitate de a identifica sarcinile care ar putea necesita o monitorizare mai atentă, suport mai devreme sau o evaluare mai detaliată. Folosite în acest fel, valoarea lor nu constă în a prezice un rezultat cu certitudine, ci în a ajuta clinicienii să recunoască riscul crescut mai devreme, când mai există timp pentru a ajusta îngrijirea.
Una dintre cele mai importante constatări ale studiului nu se referă la performanța algoritmică, ci la importanța caracteristicilor. În Suedia și Singapore, variabilele sociodemografice precum vârsta maternă, IMC-ul, egalitatea, etnia și venitul gospodăriei se numără printre cei mai importanți factori de predicție a riscului. În Chile, variabilele clinice și obstetricale, inclusiv utilizarea de antihypertensive și glicemia din primul trimestru, au jucat un rol mai mare.
Acest lucru este interesant deoarece riscul de sarcină nu este pur biologic. Determinanții sociali ai sănătății pot influența accesul la îngrijire, starea de sănătate de bază, starea nutrițională, expunerea la stres și momentul intervenției. Instrumentele tradiționale de evaluare a riscului prenatal au adesea dificultăți în integrarea acestor variabile într-un mod sistematic. Modelele AI pot ajuta să evidențieze gradienți de risc care sunt reali din punct de vedere clinic, dar slab capturați de liste de verificare actuale.
Studiul clarifică de asemenea de ce un singur model global de IA prenatală este puțin probabil să funcționeze. Colecțiile diferă substantial. Suedia a reprezentat o populație cu resurse ridicate, cu o morbiditate mai mică și date de registru cuprinzătoare; Chile avea rate mai mari de naștere prematură și complicații obstetricale; Singapore avea o populație mai în vârstă, cu un risc metabolic mai mare.
Sursa articol https://insideprecisionmedicine.com
Senior Editor RevistaSanatatii.ro. Pasionat de lifespan, fan David Sinclair.
