Прогнозирование смертности с помощью ИИ меняет подход к принятию решений в конце жизни?

Исследователи из OSF HealthCare в штате Иллинойс использовали возможности искусственного интеллекта (ИИ), чтобы помочь медицинским работникам определять вероятность смерти пациентов во время их пребывания в больнице. В условиях острой необходимости облегчить важные разговоры о конце жизни, команда OSF HealthCare создала модель ИИ, специально разработанную для прогнозирования риска смерти пациента в период от пяти до 90 дней после госпитализации.

Основная цель этого новаторского усилия — позволить клиницистам вести необходимые обсуждения относительно предпочтений пациентов в конце жизни и убедиться, что их лечение соответствует их желаниям. Доктор Джонатан Хендер, старший научный сотрудник OSF HealthCare по вопросам инноваций и ведущий автор исследования, подчеркнул стремление организации документировать обсуждения о предварительном планировании ухода для каждого пациента. Это становится особенно критичным в чувствительный период конца жизни, когда пациенты могут потерять способность общаться из-за своего клинического состояния.

Доктор Хендер отметил, что когда пациенты теряют сознание или нуждаются в механической вентиляции легких, может быть уже слишком поздно, чтобы они могли выразить свои предпочтения в отношении медицинского ухода. В идеале предиктор смертности на базе ИИ служит превентивной мерой для предотвращения ситуаций, когда пациенты умирают, не получая ухода в хосписе, который мог бы быть обеспечен благодаря более раннему документированию.

Впечатляющая точность ИИ в прогнозировании смертности пациентов

Модель ИИ прошла строгое тестирование с участием более 75 000 пациентов из разных слоев общества, включая различные расы, этнические группы, полы и социально-экономические факторы. Результаты исследования, недавно опубликованные в журнале Journal of Medical Systems, показали, что общая смертность среди пациентов составила один из 12. Однако для тех, кого модель ИИ отметила как имеющих более высокую вероятность смерти во время пребывания в больнице, уровень смертности вырос до одного из четырех, что в три раза выше среднего показателя.

Примечательно, что производительность модели оставалась стабильной как до, так и во время пандемии COVID-19, что свидетельствует о ее надежности и устойчивости.

Модель ИИ была обучена на обширном наборе данных, состоящем из 13 различных типов информации о пациентах, включая клинические тенденции, функциональность органов, частоту взаимодействия с системой здравоохранения и возраст пациента. Она использует эти данные для генерации вероятности или «уровня уверенности» для каждого пациента, сопровождая это объяснением, outlining повышенный риск смертности. Это упрощает процесс принятия решений для врачей, предоставляя им комплексную информацию, которая обычно требует значительного времени и усилий для сбора, анализа и обобщения.

Роль ИИ в здравоохранении

Признавая, что предиктор может быть не безошибочным, доктор Хендер подчеркнул его основную цель — стимулировать клиницистов к ведению важных разговоров с пациентами. Независимо от точности прогноза, конечной целью остается обеспечение того, чтобы пациенты получали уход в конце жизни, соответствующий их уникальным потребностям и предпочтениям.

В настоящее время используемый в OSF, инструмент ИИ был бесшовно интегрирован в рабочие процессы клиницистов для поддержки и улучшения взаимодействия между пациентами и врачами. Команда активно оптимизирует инструмент, чтобы максимизировать его влияние на формирование содержательных и продуманных дискуссий между пациентами и поставщиками медицинских услуг.

Обещания и подводные камни прогнозирования смертности с помощью ИИ

По мере того как отрасль здравоохранения внедряет ИИ, эксперты, такие как доктор Харви Кастро, сертифицированный советом врачей неотложной медицины из Далласа, штат Техас, предостерегают о потенциальных рисках и ограничениях. Ложноположительные результаты, когда модель ИИ ошибочно прогнозирует высокий риск смертности, могут привести к ненужному дистрессу для пациентов и их семей. Ложноотрицательные результаты, с другой стороны, могут привести к задержке или упущению разговоров о конце жизни и потенциальному пренебрежению последними желаниями пациентов.

Дополнительные опасения включают чрезмерную зависимость от ИИ, проблемы конфиденциальности данных и предвзятость, которая может возникнуть, если модель обучена на ограниченном наборе данных, что потенциально может привести к неравенству в рекомендациях по уходу среди различных групп пациентов. Доктор Кастро подчеркивает важность сочетания прогнозов ИИ с сострадательным человеческим подходом, особенно в чувствительных обсуждениях о жизни и смерти.

Считается, что непрерывный мониторинг и механизмы обратной связи необходимы для обеспечения точности и эффективности моделей ИИ в реальных сценариях здравоохранения. Доктор Кастро подчеркивает, что этическое исследование роли ИИ в здравоохранении, особенно в прогнозировании смертности, остается первостепенным, чтобы инновации служили наилучшим интересам пациентов и их благополучию.