یه چیزی که تا حالا جدی نگرفته بودیم، اینه که موضوع ریسک خونریزی بعد از آنژیوپلاستی یا همون PCI—یه جور عمل باز کردن رگهای قلب با استفاده از بالن یا استنت هستش—اصلاً ثابت و همیشگی نیست! خیلی از مدلهایی که قبلاً استفاده میکردن، فقط تو یه لحظه خاص قبل از انجام عمل پیشبینی میکردن که آیا احتمال خونریزی برای یه بیمار وجود داره یا نه. مدلهای ثابت، یعنی مثلاً میان وقتی قراره عمل انجام بشه، یه بار محاسبه میکنن و دیگه بعدش همون رو ملاک قرار میدن. ولی واقعیت اینه که شرایط مریض، داروهایی که میگیرن یا حتی وسایلی که براش استفاده میکنن، همه اینا در طول زمان تغییر میکنن.
تو این تحقیق جدید که کلی اسم باحال و دانشمند داره (مثل Nathan C. Hurley و Bobak J. Mortazavi و چند نفر دیگه)، اومدن یه حرکت حرفهای زدن! اونا از دادههای یه بانک اطلاعاتی خیلی بزرگ به اسم National Cardiovascular Data Registry یا همون NCDR (یه سیستم ثبت اطلاعات تخصصی قلب و عروق)، استفاده کردن. هدفشون این بوده که نه فقط تو یه زمان خاص، بلکه در چندین مرحله حساس تصمیمگیری، ریسک خونریزی رو برای هر مریض جداگونه و بهروز پیشبینی کنن؛ اونم با تکنولوژی هوش مصنوعی و مدلهای یادگیری ماشین (Machine Learning یعنی برنامههایی که خودشون با دیدن اطلاعات جدید، پیشبینیهاشون رو بهبود میدن).
حالا این مدلها چطور کار کردن؟ واسه این کار، اونا سراغ شش مدل مختلف از نوع «درختی» (Tree-based models یعنی مدلهایی که تصمیمگیریهاشون شبیه شاخهبندی درخت هست) رفتن. این مدلها رو تو سه مرحله کلیدی تست کردن: ۱) وقتی میخوان انتخاب کنن که عمل از کدوم نقطه بدن شروع شه (چون محل ورود به رگ مهمه)، ۲) تصمیم اینکه قبل عمل چه دارویی بدن، و ۳) اینکه موقع بستن رگ از چه وسیلهای استفاده کنن.
آمارشون هم سرسامآوره! تو بازه زمانی ژوئیه ۲۰۰۹ تا آوریل ۲۰۱۵، اطلاعات ۳ میلیون و ۴۲۳ هزار و ۱۷۰ تا PCI رو بررسی کردن اما بعدش اونایی که اطلاعاتشون کامل نبوده یا عمل بایپس (یه عمل باز قلب) داشتن رو حذف کردن. نهایتاً ۲ میلیون و ۸۶۸ هزار و ۸۰۸ تا عمل آنژیوپلاستی تو مدلشون موند. اکثر این اطلاعات (۸۰.۷ درصد) رو برای آموزش مدل برداشتن، بقیش (۱۹.۳ درصد) رو گذاشتن کنار برای اینکه مدلشون رو امتحان کنن و مطمئن شن درست کار میکنه (به این بخش میگن دیتای ولیدیشن یا اعتبارسنجی).
برای پیشبینی، هر چیزی که فکرشو بکنی لحاظ کردن: ویژگیهای شخصی مریض، شکل دقیق رگهای قلب (شرح وضعیت و مشکلاتشون)، نتایج آزمایشگاه، سابقه بیماری، مصرف داروهای ضد لخته (ضد انعقاد)، نوع استنتی که گذاشته میشه، و حتی روش بستن رگ در پایان عمل.
هدف اصلی این بود که بفهمن آیا مریض تا ۷۲ ساعت (سه روز) بعد از شروع آنژیوپلاستی، داخل بیمارستان دچار خونریزی میشه یا نه. برای اندازهگیری دقت پیشبینیشون از یه شاخص استفاده کردن به اسم AUROC یا همون «سطح زیر منحنی دریافت کننده» (یعنی نشون میده مدل تا چه حد میتونه افراد در معرض ریسک بالا و پایین رو از هم جدا کنه؛ هرچی عددش به ۱ نزدیکتر، مدل قویتره). مدل اولیه که فقط با اطلاعات اولیه کار میکرد AUROC داشت ۰.۸۱۲، ولی وقتی همه اطلاعات رو وارد کردن، AUROC رسید به ۰.۸۴۵. این یعنی مدل با اطلاعات محدود ضعیفتر پیشبینی میکرد و هرچی اطلاعات جدیدتر و بیشتری از مریض موحود بود، دقت مدل هم بیشتر شد.
یه نکته جالب این بود که مثلاً بین ۱۲۳ هزار و ۷۱۲ نفری که اول فکر میکردن کمریسک هستن، با دادههای بیشتر، ۱۴ هزار و ۴۴۱ نفرشون ارتقا پیدا کردن به ریسک متوسط (که دیگه ۱.۴ درصدشون واقعاً خونریزی داشتن!) و ۷۲۳ نفر هم رفتن تو گروه پرریسک (که ۱۲.۵ درصدشون دچار خونریزی شدن!). این یعنی مدل دینامیک واقعاً مهمه!
حالا چرا همه این حرفا مهمه؟ چون اگر سیستم پیشبینی ریسک همش بهروز بمونه و به اطلاعات جدید مریض حساس باشه، دکترها میتونن تصمیمای دقیقتری برای هر مریض در لحظه بگیرن و احتمال خونریزی رو تا حد زیادی کم کنن. خلاصه، این تحقیق نشون داد مدلهایی که فقط یه بار قبل عمل پیشبینی میکنن، پیشبینیشون نسبت به مدلهایی که بر اساس دادههای جدید مرتب آپدیت میشن، ضعیفتره و خطای بیشتری دارن. پس آینده از آنِ مدلهای هوشمند و منعطفه!
منبع: +
