AI는 심정지에 대한 의사의 어려운 결정을 지원합니다.
날짜:
2023년 2월 13일
원천:
예테보리 대학교
요약:
환자가 심정지 후 치료를 받을 때 의사는 이제 웹 기반 앱에 환자 데이터를 입력하여 수천 명의 유사한 환자가 어떻게 지냈는지 확인할 수 있습니다. 연구원들은 미래에 의사의 업무에 큰 변화를 가져올 수 있는 심장 마비에 대한 세 가지 의사 결정 지원 시스템을 개발했습니다.
전체 이야기
환자가 심정지 후 치료를 받을 때 의사는 이제 웹 기반 앱에 환자 데이터를 입력하여 수천 명의 유사한 환자가 어떻게 지냈는지 확인할 수 있습니다. 예테보리 대학(University of Gothenburg)의 연구원들은 미래에 의사의 업무에 큰 변화를 가져올 수 있는 심장 마비에 대한 세 가지 의사 결정 지원 시스템을 개발했습니다.
이러한 결정 지원 도구 중 하나(SCARS-1)는 현재 출판되었으며 Gothenburg Cardiac Arrest Machine Learning Studies 웹사이트에서 무료로 다운로드할 수 있습니다. 그러나 알고리즘의 결과는 올바른 기술을 가진 사람들이 해석해야 합니다. AI 기반 의사 결정 지원은 의료의 많은 영역에서 강력하게 확장되고 있으며 의료 서비스와 환자 모두에게 어떻게 가장 많은 혜택을 줄 수 있는지에 대한 광범위한 논의가 진행 중입니다.
이 앱은 수만 건의 환자 사례에 대한 스웨덴 심폐소생 등록부의 데이터에 액세스합니다. 예테보리 대학교 연구원들은 고급 형태의 기계 학습을 사용하여 이전 결과에 영향을 미친 다양한 요인을 인식하도록 임상 예측 모델을 가르쳤습니다. 알고리즘은 예를 들어 심정지, 제공된 치료, 이전의 질병, 약물 및 사회 경제적 상태와 관련된 수많은 요인을 고려합니다.
새로운 증거 기반 방법
심정지에 대한 공식 권장 사항에 AI 기반 의사 결정 지원이 포함되기까지는 몇 년이 걸릴 것이지만 의사는 이러한 예측 모델과 기타 새로운 증거 기반 방법을 자유롭게 사용할 수 있습니다. 심장 마비에 대한 의사 결정 지원 연구 그룹은 University's Sahlgrenska Academy의 연구원이자 Sahlgrenska University Hospital의 심장학 레지던트 의사인 Araz Rawshani가 이끌고 있습니다.
"저와 심정지 응급 환자를 치료하는 동료 몇 명은 이미 치료 수준을 결정하는 프로세스의 일부로 예측 모델을 사용하기 시작했습니다. 그럼에도 불구하고 치료 리소스를 절약하면서 환자에게 도움이 될 가능성이 거의 없는 고통스러운 치료를 받지 않도록 하는 데 도움이 됩니다."라고 Rawshani는 말합니다.
매우 정확함
현재까지 연구 그룹은 두 가지 의사 결정 지원 도구를 발표했습니다. SCARS-1로 알려진 하나의 임상 예측 모델이 The Lancet의 eBioMedicine 저널 에 발표되었습니다 . 이 모델은 새로운 환자 사례가 심정지 30일 후 환자가 생존하거나 사망한 다른 이전 사례와 유사한지 여부를 나타냅니다. 모델의 정확도가 비정상적으로 높습니다. 가장 중요한 10가지 요인만을 기반으로 한 모델의 민감도는 95%, 특이도는 89%입니다. 이 모델에 대한 "AUC-ROC 값"(ROC는 모델에 대한 수신기 작동 특성 곡선이고 AUC는 ROC 곡선 아래 영역임)은 0.97입니다. 가능한 가장 높은 AUC-ROC 값은 1.0이고 임상적으로 관련된 모델의 임계값은 0.7입니다.
퍼즐의 한 조각
이 결정 지원은 Sahlgrenska Academy, Gothenburg 대학교의 박사 과정 학생이자 Sahlgrenska University Hospital/Mölndal의 마취과 의사인 Fredrik Hessulf가 개발했습니다.
"이 결정 지원은 큰 퍼즐의 여러 부분 중 하나입니다. 환자에 대한 의사의 전반적인 평가입니다. 우리는 심폐소생술을 진행할지 여부를 결정할 때 고려해야 할 여러 가지 요소가 있습니다. 이로부터 혜택을 받고 입원 후 자신에게 가치 있는 삶을 영위할 수 있는 환자"라고 Hessulf는 말합니다.
이러한 형태의 지원은 사건 후 30일 동안 환자의 심정지 생존 가능성에 영향을 미치는 393가지 요인을 기반으로 합니다. 이 모델의 높은 정확도는 알고리즘이 기반으로 하는 수많은 환자 사례(약 55,000건)와 거의 400개 요인 중 10개가 생존에 큰 영향을 미치는 것으로 밝혀졌다는 사실로 설명될 수 있습니다. 지금까지 가장 중요한 요인은 환자가 응급실에 입원한 후 심장이 다시 살아 있는 심장 박동을 회복했는지 여부였습니다.
새로운 심정지 위험
출판된 두 번째 결정 지원 도구는 Resuscitation 저널에 발표되었습니다. 이 도구는 병원 밖 심정지에서 퇴원할 때까지 생존한 환자의 데이터를 기반으로 합니다. 예측 모델은 Swedish Cardiopulmonary Resuscitation Register의 5098개 환자 사례에서 886개 요소를 기반으로 합니다. 이 도구는 부분적으로 의사가 심정지 후 병원에서 퇴원한 지 1년 이내에 또 다른 심정지 또는 사망 위험이 있는 환자를 식별하는 데 도움을 주기 위한 것입니다. 또한 잘 연구되지 않은 주제 영역의 측면인 심정지 후 장기 생존에 어떤 요인이 중요한지 강조하는 것을 목표로 합니다.
"이 도구의 정확도는 상당히 좋습니다. 환자가 1년 이내에 사망할지 또는 또 다른 심정지가 발생할지 약 70%의 신뢰성으로 예측할 수 있습니다. Fredrik의 도구와 마찬가지로 이 도구는 몇 가지 요소만 이 의사 결정 지원 도구를 개발한 연구 의사인 Gustaf Hellsén은 말합니다.
그는 계속해서 "우리는 이 예측 모델 개발에 성공하여 정확성을 향상시키기를 바랍니다. 오늘날 이 예측 모델은 의사가 심장마비 환자의 생존에 중요한 영향을 미치는 요인을 식별하는 데 이미 지원 역할을 할 수 있습니다. 퇴원해."
출처 : https://www.sciencedaily.com/