Диагноз острого почечного повреждения (ОПП) в педиатрическом отделении интенсивной терапии (ПОИТ) ставится на основании повышенного уровня сывороточного креатинина, свидетельствующего о повреждении функции почек. На сегодня других видов терапии ОПП, кроме как поддерживающей, не имеется, что делает раннее выявление пациентов с высоким риском ОПП чрезвычайно важной задачей. В этом исследовании разрабатывается модель машинного обучения в целях изучения паттернов физиологических переменных, что сможет помочь в прогнозировании развития ОПП у детей на 48 часов раньше, чем это происходит сейчас на основании общепринятых клинических рекомендаций.
Для разработки модели машинного обучения раннего предупреждения развития ОПП были использованы данные от 16 863 пациентов, возраст которых находился в пределах от 1 месяца до 21 года, которые проходили лечение в трех независимых лечебных учреждениях. В качестве предикторов в модели, оценивающей риск развития ОПП в автоматическом режиме, использовалась скорость изменений уровня креатинина. Первичным исходом стало прогнозирование от среднего до тяжелого ОПП (стадия 2/3), а вторичными исходами стали прогнозирование ОПП всех стадий (1/2/3) и потребность в почечно-заместительной терапии (ПЗТ). Прогноз генерируется в виде предупреждения, позволяющего быстро оценить риск и принять меры противодействия развитию ОПП, которые выглядят следующим образом: «у пациента имеется 90% риск развития ОПП в следующие 48 часов», что сопровождается контекстным сообщением в виде «пациент получает аминогликозиды, предлагаю проверить уровень и пересмотреть дозу и показания».
Модель была успешной в предсказании стадий 2/3 ОПП по сравнению с существующими сегодня критериями с медианой времени исполнения прогноза равной 30 часам с AUROC 0.89. Модель смогла предсказать 70% последующих эпизодов ПЗТ, 58% эпизодов стадий 2/3 и 41% любых других эпизодов ОПП. Соотношение ложных и истинных предупреждений о любых эпизодах ОПП приближалось к один-к-одному (PPV 47%). Среди всех пациентов, у которых модель предсказала развитие ОПП, 79% получали потенциально нефротоксические лекарственные средства до момента распознавания их моделью, но все это происходило до развития ОПП.
Выводы: модель машинного обучения, описанная в этом исследовании, смогла с большой точностью предсказать развитие ОПП от среднего до тяжелого за 48 часов до расцвета клинической картины. Данная модель может улучшить исходы при развитии ОПП у детей за счет раннего привлечения внимания клиницистов и действенной обратной связи, что позволяет принимать меры, снижающие риски развития ОПП, например, за счет корректировки медикаментозной терапии (показаний и режима дозирования).
Источник: DOI https://doi.org/10.1186/s13054-021-03724-0