Введение: такой показатель, как большие неблагоприятные почечные события в течение 30 дней (Major Adverse Kidney Events within 30 days [MAKE30]), является важнейшим пациент-ориентированным клиническим исходом при оценке влияния острого почечного повреждения (ОПП). Существующие на сегодня модели прогнозирования МАКЕ30 в большой степени статичны и пренебрегают динамическими изменениями клинического состояния. Авторы этого исследования представляют ORAKLE, как новейшую модель глубокого обучения, что использует эволюционирующие по времени данные в целях прогнозирования МАКЕ30, что позволяет обеспечивать более персонализированный и ориентированный на пациента подход к менеджменту ОПП, который может служить инструментом улучшения клинических исходов.
Методы: авторы выполнили ретроспективный анализ, используя три публичные доступные базы данных критической терапии: MIMIC-IV в качестве когорты разработки, а iCdb и eICU-CRD в качестве внешних валидационных когорт. Пациенты с критериями Сепсис-3, у которых течение заболевания осложнилось развитием ОПП в течение 48 часов после поступления в отделение интенсивной терапии (ОИТ), стали участниками этого исследования. Основным результатом стал МАКЕ30, определяемый как сочетание смерти, нового диализа или персистирующей почечной дисфункции в течение 30 дней после поступления в ОИТ. Авторы разработали ORAKLE с помощью структуры Dynamic DeepHit для временного анализа выживаемости по времени и сравнили производительность свой модели с производительностью моделей на основе Cox и XGBoost.
Результаты: анализу подверглись данные 16 671 пациента из базы MIMIC-IV, 2665 из базы SICdb и 11 447 пациентов из базы eICU-CRD. При прогнозировании МАКЕ30 модель ORAKLE превосходила по производительности модели XGBoost и Cox, достигнув AUROCs 0.84 (95% CI: 0.83–0.86) vs. 0.81 (95% CI: 0.79–0.83) vs. 0.80 (95% CI: 0.78–0.82) при внутреннем тесте MIMIC-IV, 0.83 (95% CI: 0.81–0.85) vs. 0.80 (95% CI: 0.78–0.83) vs. 0.79 (95% CI: 0.77–0.81) в SICdb и 0.85 (95% CI: 0.84–0.85) vs. 0.83 (95% CI: 0.83–0.84) vs. 0.81 (95% CI: 0.80–0.82) в eICU-CRD.
Выводы: модель глубокого обучения ORAKLE, используя эволюционирующие временные данные, показала впечатляющую производительность при прогнозировании МАКЕ30 у критически больных пациентов с ОПП. За счет внедрения динамически изменяющихся характеристик временных рядов, модель способна более точно отражать изменяющуюся природу почечного повреждения, а также эффекты терапии и траектории пациентов. Такая инновация обеспечивает более точную оценку риска и выявляет изменяющиеся эффекты лечения, что может послужить основой для разработки более персонализированных и эффективных подходов к менеджменту ОПП.
Наш сайт работает без рекламы, и мы рады, что вы с нами! Для поддержки проекта и его развития сканируйте QR-код ниже!
