Un nuovo studio pubblicato sul Journal of Orthopaedic Research indica che un modello basato sull’intelligenza artificiale addestrato con esami del sangue di base e dati di laboratorio, nonché dati demografici di base, può prevedere il rischio di morte di un paziente in 1, 5 e 10 anni di vita. subendo una frattura dell’anca.
Dall’analisi di 3.751 cartelle cliniche di pazienti con frattura dell’anca provenienti da due sistemi di database ospedalieri presso il Beth Israel Deaconess Medical Center di Boston, il tasso di mortalità a un anno per tutti i pazienti è stato del 21% e per quelli di età pari o superiore a 80 anni è stato del 29%. Dopo aver valutato 10 diversi modelli di classificazione dell’apprendimento automatico, i ricercatori hanno scoperto che il modello LightGBM aveva le prestazioni di previsione della mortalità a 1 anno più accurate.
I fattori più potenti sono stati l’età, i livelli di zucchero nel sangue, alcune caratteristiche dei globuli rossi, i livelli di globuli bianchi, i livelli di azoto ureico, la conta piastrinica, i livelli di calcio e il tempo di coagulazione del sangue. predittivo. La maggior parte di queste erano anche tra le prime 10 caratteristiche dei modelli di previsione della mortalità a 5 e 10 anni di LightGBM.
"I nostri modelli mostrano che alcuni biomarcatori possono essere particolarmente utili nel caratterizzare il rischio di scarsi risultati dopo le fratture dell’anca", ha detto l’autore corrispondente George Asrian dell’Università della Pennsylvania.
La frattura dell’anca è una condizione comune con un alto grado di morbilità e mortalità associata. Ogni anno negli Stati Uniti si verificano più di 300.000 fratture dell’anca, che rappresentano oltre il 40% dei ricoveri in case di cura correlati a fratture e il 70% (12 miliardi di dollari) dei costi diretti nella cura delle fratture. Entro 1 anno dall’infortunio, 20%. Il 30% dei pazienti muore e il 50% perde la capacità di camminare.
La probabilità di frattura, che più comunemente si verifica dopo una caduta, aumenta esponenzialmente con l’età, rendendola una questione particolarmente importante da affrontare in una popolazione che invecchia. I fattori di rischio comprendono l’età, l’osteoporosi, l’aumento della massa corporea, la diminuzione della percezione visiva, l’inattività fisica, la debolezza muscolare, le malattie croniche che aumentano il rischio di squilibrio, come l’artrite e il morbo di Parkinson, e il deterioramento cognitivo.
Riepilogo
Lo scopo di questo studio retrospettivo era valutare se la mortalità dopo frattura dell’anca può essere prevista da un modello di apprendimento automatico addestrato con esami del sangue di base e dati di laboratorio, nonché dati demografici di base. Inoltre, lo scopo era identificare le variabili chiave maggiormente associate alla mortalità a 1, 5 e 10 anni e indagare il loro significato clinico.
I dati di input includevano 3.751 registrazioni di pazienti con frattura dell’anca ottenute dal database Medical Information Mart for Intensive Care IV , che forniva record dai sistemi di database ospedalieri del Beth Israel Deaconess Medical Center. Il tasso di mortalità a 1 anno per tutti i pazienti studiati è stato del 21% e per quelli di età superiore a 80 anni è stato del 29%.
Abbiamo valutato 10 diversi modelli di classificazione dell’apprendimento automatico e abbiamo scoperto che LightGBM ha le migliori prestazioni di previsione della mortalità a 1 anno, con una precisione dell’81%, un’AUC di 0,79, una sensibilità di 0,34 e una specificità di 0,98 sul set di test.
Le funzionalità più apprezzate del modello da 1 anno includevano:
- Età
- Glucosio nel sangue
- Distribuzione dei globuli rossi
- Concentrazione media di emoglobina corpuscolare
- globuli bianchi
- Azoto ureico
- tempo di protrombina
- Conta piastrinica
- Livelli di calcio
- tempo di tromboplastina parziale
La maggior parte di queste erano anche tra le prime 10 caratteristiche dei modelli di previsione LightGBM a 5 e 10 anni addestrati. Testare questi biomarcatori di alto rango in nuovi pazienti con frattura dell’anca può aiutare i medici a valutare la probabilità di esiti sfavorevoli per i pazienti con frattura dell’anca, e ulteriori ricerche potrebbero utilizzare questi biomarcatori per sviluppare un punteggio di rischio per la frattura dell’anca. mortalità.
Figura : Grafico a barre che mostra i valori di importanza delle caratteristiche per le prime 10 caratteristiche utilizzando il modello di previsione della mortalità a 1 anno LightGBM addestrato sulle 156 caratteristiche. Sotto il grafico, differenze percentuali dei valori medi di ciascuna variabile per la coorte morta entro 1 anno rispetto alla coorte sopravvissuta 1 anno, calcolate come ([1]/[0] − 1 × 100%) . MCHC, concentrazione media di emoglobina corpuscolare; PT: tempo di protrombina; PTT: tempo di tromboplastina parziale; RDW: ampiezza di distribuzione dei globuli rossi.
Discussione
Nel complesso, abbiamo dimostrato che è possibile sviluppare un modello di apprendimento automatico altamente accurato in grado di stimare la mortalità a 1 anno nei pazienti con frattura dell’anca in questo set di dati. È possibile isolare la maggior parte dei biomarcatori e degli attributi demografici e riqualificare un modello di previsione solo sulle 10 caratteristiche principali per produrre un modello di precisione comparabile (entro l’1%).
Sono stati testati numerosi modelli per identificare l’algoritmo di classificazione più appropriato per la previsione della mortalità per frattura dell’anca. Il modello di previsione LightGBM ha ottenuto risultati migliori con una precisione bilanciata e valori AUC più forti. LightGBM è un algoritmo di potenziamento che prevede l’addestramento di più modelli in sequenza, ognuno dei quali mostra miglioramenti rispetto al suo predecessore.
Come hanno indicato molte fonti della letteratura precedente, l’età è un importante predittore di mortalità negli individui a causa della compromissione dei meccanismi di riparazione, della risposta immunitaria (fondamentale per la difesa dalle infezioni batteriche) e della mobilità.
Anche la seconda variabile più importante, la glicemia , è risultata altrettanto importante. Sebbene non vi fosse alcuna differenza media tra i pazienti con mortalità a 1 anno e quelli sopravvissuti a più di 1 anno, la glicemia può fornire un’ulteriore misura del carico di malattia negli anziani. Quelli con troppo glucosio possono soffrire di conseguenze del diabete, inclusa scarsa guarigione e mobilità. Quelli con troppo poco glucosio possono sperimentare ulteriori cadute a causa dello stato ipoglicemico e possono essere considerati a rischio di caduta (limitando ulteriormente la mobilità). Sono stati utili anche i marcatori della salute ematologica.
Altri marcatori degni di nota inclusi nelle prime 10 variabili erano l’azoto ureico (un marcatore della funzionalità renale complessiva che può essere utilizzato per determinare se gli individui presentano deplezione di volume, probabilmente a causa di sepsi), PT/PTT e conta cellulare. piastrine, che possono determinare se gli individui mantengono la loro capacità di coagulazione e il calcio sierico, che è stato identificato come un predittore di mortalità nei pazienti con osteoporosi.
Conclusioni Le fratture dell’anca sono un evento grave che può portare alla morte entro il primo anno dall’evento in circa il 21% dei pazienti di tutte le età e fino al 29% dei pazienti di età superiore a 80 anni. Sebbene l’età possa essere la variabile più importante nel predire gli esiti sfavorevoli nei pazienti con frattura dell’anca, le prestazioni dei modelli addestrati in questo progetto mostrano che anche i biomarcatori svolgono un ruolo importante nel determinare il rischio. MCHC, concentrazione media di emoglobina corpuscolare; PT: tempo di protrombina; PTT: tempo di tromboplastina parziale; RDW: l’ampiezza della distribuzione dei globuli rossi nei pazienti con fratture dell’anca può aiutare a valutare il rischio di mortalità dei pazienti. LightGBM è uno strumento robusto e potente per prevedere la mortalità su periodi di tempo brevi e lunghi, consentendo un’analisi semplice delle variabili di input più importanti. Con modelli aggiuntivi che utilizzano set di dati più ampi e ben bilanciati, potrebbe essere possibile sviluppare un punteggio di rischio formale per i pazienti con frattura dell’anca che possa essere utilizzato dai medici, utilizzando LightGBM e le variabili sopra descritte. |
