Terapie

Le informazioni registrate nel tempo nelle cartelle cliniche raccontano di più sulle malattie

La strategia utilizza l’intelligenza artificiale per scoprire diagnosi mancate.

Le cartelle cliniche elettroniche (EHR) contengono informazioni importanti sulle prospettive di salute dei pazienti e sulle cure che ricevono, ma le cartelle non sono sempre precise. Un nuovo studio descrive un approccio che utilizza l’apprendimento automatico, un tipo di intelligenza artificiale, per tracciare attentamente le cartelle cliniche dei pazienti nel tempo in EHR per prevedere la loro probabilità di avere o sviluppare malattie diverse. Lo studio è stato condotto da ricercatori del Massachusetts General Hospital (MGH) ed è pubblicato su Cell Patterns .

“Nell’ultimo decennio, miliardi di dollari sono stati spesi per istituire un uso significativo dei sistemi EHR. Per una serie di motivi, tuttavia, i dati EHR sono ancora complessi e presentano ampi problemi di qualità, che rendono difficile sfruttare questi dati per affrontare le pressioni problemi di salute, specialmente durante pandemie come COVID-19, quando sono necessarie risposte rapide “, ha affermato l’autore principale Hossein Estiri, PhD, del MGH Laboratory of Computer Science. “In questo documento, proponiamo un algoritmo per lo sfruttamento delle informazioni temporali negli EHR che è distorto da strati di processi amministrativi e di sistema sanitario”.

La strategia collega le informazioni degli EHR sui farmaci dei pazienti e le diagnosi nel tempo, piuttosto che dalle cartelle cliniche indipendenti. Le analisi hanno rivelato che questo approccio sequenziale può calcolare accuratamente la probabilità che un paziente possa effettivamente avere una malattia di base.

“Il nostro studio non si basa su singoli codici diagnostici ma si basa invece su sequenze di codici con l’aspettativa che una sequenza di caratteristiche rilevanti nel tempo abbia maggiori probabilità di rappresentare la realtà rispetto a un singolo elemento”, ha affermato il Dr. Estiri. “Inoltre, il computer ordina migliaia di pazienti e può trovare sequenze che un medico probabilmente non identificherà mai da solo come rilevanti, ma che in realtà sono associate alla malattia.”

Ad esempio, la malattia coronarica seguita da dolore toracico nella cartella clinica è stata più utile per prevedere lo sviluppo dell’insufficienza cardiaca rispetto a uno dei fattori da solo o in un ordine diverso.

Il metodo può quindi identificare marcatori di malattie che sono interpretabili dai clinici. Ciò potrebbe portare a nuovi modelli computazionali per identificare e validare nuovi marcatori di malattie e per far avanzare le scoperte mediche. Il modo proposto di pensare alle cartelle cliniche potrebbe anche aiutare a identificare i pazienti in una comunità che sono a rischio di sviluppare una varietà di altre malattie e raccomandare la loro valutazione da parte degli operatori sanitari.

Categorie:Terapie

Con tag:,