Az AI képes megjósolni a jövőbeli egészségügyi költségeket mellkasröntgenek felhasználásával
Közösségek - Mellkas | 2019. december 12. 20:33 | Utolsó módosítás dátuma - 2023. június 04. 12:00 | Forrás: https://www.auntminnie.com/index.aspx?sec=rca&sub=rsna_2019&pag=dis&itemId=127527
A mesterséges intelligencia (AI) képes megjósolni a beteg jövőbeli egészségügyi költségeit az elkövetkező öt évben, csupán a mellkasröntgen elemzésével - egy díjnyertes kutatás szerint, amelyet hétfőn mutattak be az RSNA-n.

A University of California, San Francisco (UCSF) kutatócsoportja egy mély tanuláson alapuló modellt 20.000 páciens mellkas röntgenjével, valamint a páciensek ötéves egészségügyi költségével tanították. Kimutatták, hogy a modell azon betegek azonosítását segíti (görbe alatti terület 0.79), akikre az elkövetkezendő öt évben súlyos egészségügyi kiadások várnak.
"A modell arra is felhasználható, hogy felhívja a figyelmet egy látszólag egészséges mellkasröntgenre" - mondta Yixin Chen előadó.
A kutatás elnyerte a Trainee Research Prize - Medical Student by RSNA díjat.
Az egészségügy területén erőfeszítések folynak azon betegek azonosítása érdekében, akiknek a jövőben valószínűleg jelentős mennyiségű orvosi ellátásra van szükségük; a felső 50% jelenti a teljes egészségügyi kiadások 97%-át - mondta Chen.
A cél az, hogy lehetővé tegyék a betegség folyamatába való, korábbi beavatkozást, így alacsonyabb költségeket és jobb eredményeket nyújtsanak a betegek számára, minthogy megpróbálják a betegséget a végső szakaszában kezelni – jelentette ki Dr. Jae Ho Sohn, a tanulmány társszerzője az AuntMinnie.com-nak.
„A magas kockázatú betegeknél a korai beavatkozás lehetővé teszi egészségük javítását és az egészségügyre fordított társadalmi kiadások csökkentését" - mondta Sohn.
Ennek eredményeként a kutatók egy olyan módszer kidolgozására törekedtek, amely a mellkas röntgenfelvételek elemzése alapján nagyjából meg tudja becsülni az orvosi költségeket. ResNet modellt használták a mellkasröntgen jellemzőinek kiemelésére, majd ezt az információt összekapcsolták a demográfiai adatokkal, például a beteg életkorával, nemével és irányítószámával, median jövedelmével, így képeztek ki egy regressziós és osztályozási modellt.
A regressziós modell előrejelzi az egészségügyi kiadásokat a mellkas röntgenfelvételt követő öt éven belül, míg az osztályozási modell a következő öt évben határozza meg azt a felső 50%-ot, akik várhatóan a legmagasabb anyagi ráfordítást igénylik majd.
A rendszert 21.872 mellkas röntgenfelvétel és 19.524 beteg adatainak felhasználásával fejlesztették az UCSF Orvosi Központban. Négy speciális osztályozási és regressziós modellt készítettek: egyet csak a beteg költségeire, életkorára, nemére és az irányítószámára, medián jövedelmére képeztek; az egyiket csak a mellkasröntgen jellemzőire és a betegköltségekre képezték ki; és két különböző modellt, mind a betegek információira, mind a mellkasröntgen jellemzőire fejlesztették.
Validálás után az a modell érte el a görbe alatti legmagasabb területet (0,79), amit csak a mellkasröntgen jellemzők és a betegköltségek alapján tanították, vagyis ez tudta a legnagyobb biztonsággal azonosítani, az ún. felső 50%-ot. Ezenkívül hasonló, Spearman korrelációs R értéket (0,67) készítettek a mellkasröntgen jellemzőkkel és a demográfiai adatokkal képzett két modell ötéves kiadásoknak előrejelzésére.
A kutatók számos korlátot ismertek el a kutatásukban, például, hogy az adatállomány, amire támaszkodtak, főként a San Francisco-öböl környékén és a nyugati parton élő betegekből áll.
"Lehet, hogy ez nem általánosítható Amerikán kívüli egészségügyi rendszerre" - mondta Chen.
Ráadásul a modell kidolgozása és tesztelése csak egy intézmény adatait használta fel - jegyezte meg.
A jövőbeli tervekben a kutatók hasonló megközelítést szeretnének alkalmazni különböző algoritmusokkal és más intézmények és régiók adataival - mondta Chen.
Referálta: Tarpai Petra