Цель обзора: в отделении интенсивной терапии, когда важные и неотложные решения принимаются в условиях неопределённости на основании суррогатных маркеров, прогнозирование рисков от какого либо вмешательства является очень трудной задачей. Несмотря на то, что новые алгоритмы искусственного интеллекта/машинного обучения направлены на снижение неопределенности, связанной с принятием решений о жизни и смерти, необходимо соблюдать определённые критерии для гарантии их практической ценности.
Результаты недавних исследований: несмотря на то, что шкалы оценки тяжести состояния пациентов ОИТ, как инструменты прогнозирования, существуют несколько десятков лет, применение этих шкал на практике не показало весомых успехов и не позволило, в общем и целом, улучшить клинические исходы. Новейшие алгоритмы искусственного интеллекта (ИИ)/машинного обучения (МО) могут стать многообещающими инструментами в персонализированной интенсивной терапии, но они все еще недостаточно изучены в клинических исследованиях.
Важнейшими условиями того, что инструменты, основанные на ИИ/МО, смогут улучшить клинические результаты, являются: (1) учет неоднородности клинических характеристик пациентов и методов лечения; (2) учет пациент-ориентированных результатов и течения критического заболевания; (3) равенство и прозрачность принятия решения в тесном взаимодействии с клиницистами. Но все это невозможно без улучшения стандартов оказания медицинской помощи, что требует более активного участия лечебных учреждений и отделений интенсивной терапии в разработку алгоритмов ИИ/МО.
Резюме: улучшение прогнозирования в ОИТ возможно при внедрении в практику продвинутых методов, основанных на ИИ/МО. Но такой многообещающий подход к улучшению принятия сложных и неотложных решений в условиях неопределенности может стать эффективным инструментом только при условии восполнения критических пробелов в наших знаниях о безопасности и эффективности терапевтических вмешательств, применяемых в ОИТ.
Источник: doi: 10.1097/MCC.0000000000000855