Mô hình AI có thể dự đoán khả năng sống sót của liệu pháp CRRT
Một nhóm nghiên cứu do trường Đại học California tại Los Angeles (UCLA) dẫn đầu đã phát triển một mô hình học máy có thể dự đoán với độ chính xác cao về khả năng sống sót trong thời gian ngắn của bệnh nhân chạy thận bằng liệu pháp thay thế thận liên tục (CRRT). Nghiên cứu được công bố trên tạp chí Nature Communications.
Continuous renal replacement therapy (CRRT) là một liệu pháp được sử dụng cho những bệnh nhân nặng khi tình trạng sức khỏe khiến họ không đủ điều kiện để chạy thận nhân tạo thường xuyên. Đó là một liệu pháp nhẹ nhàng hơn, điều trị liên tục trong một thời gian dài. Tuy nhiên, khoảng một nửa số người trưởng thành được điều trị bằng CRRT không qua khỏi, khiến việc điều trị trở nên vô ích đối với cả bệnh nhân và gia đình họ.
Để giúp các bác sĩ quyết định liệu bệnh nhân có nên bắt đầu CRRT hay không, các nhà nghiên cứu đã phát triển một mô hình học máy sử dụng dữ liệu từ hồ sơ sức khỏe điện tử của hàng nghìn bệnh nhân để dự đoán cơ hội sống sót sau liệu pháp điều trị.
Những phát hiện này cung cấp một công cụ dựa trên dữ liệu để hỗ trợ việc ra quyết định lâm sàng. Công cụ này kết hợp các kỹ thuật học máy tiên tiến để phân tích một tập hợp dữ liệu bệnh nhân lớn và phức tạp, điều mà trước đây các bác sĩ rất khó thực hiện. Nghiên cứu chứng minh việc tích hợp các mô hình học máy vào chăm sóc sức khỏe có thể cải thiện kết quả điều trị và quản lý nguồn lực như thế nào.
Tiến sĩ Ira Kurtz cho biết: “CRRT thường được sử dụng như là phương sách cuối cùng, nhưng nhiều bệnh nhân không qua khỏi, dẫn đến lãng phí nguồn lực và hy vọng cho gia đình”. Bằng cách có thể dự đoán bệnh nhân nào sẽ được hưởng lợi, mô hình này nhằm mục đích cải thiện kết quả của bệnh nhân và việc sử dụng tài nguyên, bằng cách làm cơ sở để thử nghiệm tiện ích của nó trong các thử nghiệm lâm sàng ở tương lai. Giống như tất cả các mô hình học máy, nó cần được thử nghiệm trong thế giới thực để xác định xem liệu dự đoán có chính xác như nhau ở những bệnh nhân chưa được đào tạo hay không.
