Введение: острый респираторный дистресс-синдром (ОРДС) относится к гетерогенным и угрожающим жизни состояниям, при этом сохраняются диагностическая неопределенность, ограничивающая причинно-следственное лечение, и высокая летальность в отделении интенсивной терапии (ОИТ). Менеджмент ОРДС остается все еще больше поддерживающим, а современные шкалы оценки и дизайны исследований не сегодня так и не смогли объяснить его биологическую и клиническую гетерогенность.
Цель: этот нарративный обзор суммирует имеющиеся и появляющиеся приложения искусственного интеллекта для ОРДС и механической вентиляции. Основной фокус обзора — как машинное обучение может сделать более эффективным прогнозирование риска, диагностику, фенотипирование, менеджмент и прогнозирование клинических исходов, представляя при этом силу, слабость и нюансы этих приложений.
Результаты: модели машинного обучения, использующие электронные медицинские записи, снимки (лучевая диагностика), физиологические кривые и омик-данные (omics data) показали хорошую производительность в предсказании начала ОРДС, позволяя более раннюю диагностику, оптимизацию менеджмента и прогнозирование. Эти модели показали производительность, эквивалентную и даже превосходящую таковую при использовании традиционных клинических рекомендаций и шкал оценки. С другой стороны, большинство этих моделей остаются ограниченными для применения в исследованиях и показали ограниченную клиническую применимость.
Вопросы, требующие решения: большая часть исследований имеют ретроспективный дизайн, одноцентровые, а результаты этих исследований не подвергались внешней валидации, что ограничивает генерализацию и влияние на реальный мир. При этом остаются проблемы с качеством данных и предвзятостью, остается неудовлетворительной калибровка моделей, весьма скудный анализ принятия решений, сохраняется ограниченная интерпретация и, при всем при этом, отсутствуют проспективные исследования, показывающие, что ведомые искусственным интеллектом стратегии улучшают ориентированные на пациента результаты.
Выводы: машинное обучение, несомненно, несет в себе большой потенциал для дальнейшего развития прецизионной медицины при ОРДС, позволяя прогностическое обогащение и поддерживая персонализированный уход за пациентами на механической вентиляции. С другой стороны, безопасное развертывание машинного обучения требует стандартизированной методологии, прозрачности сообщений, многоцентровой проспективной валидации и строгого управления клиницистами для обретения уверенности в том, что искусственный интеллект скорее дополнит, а не заменит экспертное знание клиницистов.
Наш сайт работает без рекламы, и мы рады, что вы с нами! Для поддержки проекта и его развития сканируйте QR-код ниже!
