רקע ורציונאל
מערכות בריאות במדינות מפותחות מחפשות כלים מתקדמים לניתוח נתונים על-מנת לשפר תהליכי טיפול רפואי, וגם כדי לחסוך בעלויות. ואולם, מרבית כלי החיזוי הקיימים אינם נגישים לרופאים בזמן אמת, בעת קבלת החלטה רפואית. במחקר הנוכחי עומד לרשותנו מאגר גדול ועשיר בפרמטרים אודות מטופלים שאושפזו בבי"ח שיבא עם CHF כאבחנה ראשית.
במחקר נעשה שימוש ב Work System Framework כדי להגדיר את הישויות המשתתפות במערכת ומה תפקיד כל ישות במערכת. לאחר מכן הותוו עקרונות הכרחיים להצלחת המערכת לפי התיאוריה (WST). לבסוף חקרנו מה צריכות להיות תכונות כלי החיזוי על-מנת שישתלב במערכת בהצלחה.
מטרות
- לפתח כלי חיזוי מדוייקים יותר לתמותה מוקדמת על מנת לזהות מבעוד מועד אוכלוסיות חולים בסיכון גבוה.
- לבדוק מספר גדול באופן משמעותי של גורמים משפיעים, ומתוך גורמים אלו לבחור את הגורמים המשפיעים ביותר לחיזוי בפועל.
- להציע מסגרת תיאורטית ומעשית להנגשת כלי חיזוי לרופא המטפל.
שיטות, תוצאות ומימצאים עיקריים
הורצו ארבע שיטות חיזוי על בסיס נתונים שהתקבלו מהמחלקה הקרדיולוגית ובשיתוף מכון הלב במרכז הרפואי שיבא שכלל כ- 10000 חולים בכעשר שנים.
עץ החלטות ניבא בצורה טובה יותר משאר המודלים מוות תוך 30 יום ממועד השחרור מאישפוז (אומתו טווחי-זמן נוספים). אחריו נמצא מודל הרגרסיה הלוגיסטית ואחריהם - רשת נוירונים ומכונת וקטורים תומכים עם אותה יכולת ניבוי. אחוז הדיוק היה גבוה במיוחד בכל המודלים (מעל 95 אחוז) והאינטגרל שמעל לשטחי עקומות יכולות החיזוי (ROC) הגיע ל 77 אחוז במודל עץ ההחלטות שזהו ערך שהתקבל רק במעט מחקרים קודמים.
נמצא כי יש צורך להציג את תוצאות החיזוי בצורה ויזואלית-אינטואיטיבית, ולאפשר חקר לעומק ברמת האוכלוסיה, הקבוצה והמטופל הבודד. יש להציג את גורמי הסיכון ולהדגיש כאלו שאינם טריוויאליים ושניתן להתערב בהם.
מסקנות, תובנות והשלכות להמשך
במחקר שלנו הצלחנו לשפר את היכולת של אלגוריתמים של ML לחזות מוות של חולה אי-ספיקת לב בתוך 30 יום ממועד השחרור מאישפוז. אנו מראים כיצד ניתן להנגיש את הכלים לרופאים בנקודת הטיפול באופן שיסייעו לרופא לקבל החלטות במהירות.
השימוש במודלים בעלי יכולת חיזוי טובה יותר יכול לסייע לרופאים ומערכת הבריאות לזהות ביתר דיוק חולים בסיכון גבוה לתמותה, ובכך להקצות משאבים והתערבויות מיוחדות לטובת חולים אלו.
