Прогностична модель підкаже лікарю, коли краще припинити ниркову замісну терапію

Модель на основі машинного навчання, котра була налаштована на виявлення факторів і розробку прогностичних моделей, успішно застосовували у дослідженні, основною метою якого було визначення кращого часу припинення тривалої ниркової замісної терапії (ТНЗТ) у пацієнтів з гострим ураженням нирок.

Використовуючи інформацію з бази даних електронних медичних записів MIMIC-IV, дослідники проаналізували 599 дорослих пацієнтів з гострим ушкодженням нирок, які отримували ТНЗТ. Успішне припинення терапії визначалося як відсутність потреби в ТНЗТ протягом 72 годин після її відміни.

ТНЗТ було успішно припинено у 79,3% із 599 пацієнтів; ключові чинники, пов’язані з успіхом, включали виділення сечі, нениркову оцінку SOFA, рівень бікарбонату, систолічний артеріальний тиск і рівень азоту сечовини крові.

Щоб передбачити оптимальний момент для припинення ТНЗТ, дослідники розробили кілька прогностичних моделей, найуспішнішою з яких виявився метод K-найближчих сусідів (KNN) — алгоритм машинного навчання, який використовують для вирішення задач класифікації та регресії. KNN мала найвищу точність прогнозування, також були визнані ефективними моделі RF і XGBoost, також продемонстрували чудову продуктивність.

Загалом ця робота підкреслює, як передова аналітика та машинне навчання можуть удосконалити прийняття рішень у інтенсивній терапії, пропонуючи інструменти для виявлення пацієнтів, які, швидше за все, успішно припинять ТНЗТ. Ці моделі можуть сприяти запровадженню більш персоналізованого догляду, зменшуючи ризики нераціональної терапії.