Pooperacinės žaizdos infekcija neretai išryškėja pacientui jau išvykus iš ligoninės. Naujas diagnostinis tyrimas parodė, kad giliojo mokymosi sistema iš žaizdos nuotraukos gali gana tiksliai atpažinti infekcijos požymius ir ateityje padėti atrinkti pacientus, kuriems reikalinga skubesnė chirurgo apžiūra.
Daugiau kaip 5000 žaizdų nuotraukų
Tyrėjai sukūrė modelį, naudodami daugiau kaip penkis tūkstančius pooperacinių žaizdų vaizdų. Sistema mokėsi atskirti žaizdas, kurios atitiko operacinės srities infekcijos kriterijus, nuo įprastai gyjančių žaizdų. Vertinant vidiniame duomenų rinkinyje, modelio plotas po ROC kreive (AUC) siekė 0,91. Nepriklausomame išoriniame rinkinyje rodiklis buvo mažesnis, bet išliko geras – 0,82.
AUC parodo, kaip gerai sistema skiria dvi būkles įvairiuose jautrumo ir specifiškumo taškuose. Tai nėra tas pats, kas 91 ar 82 procentų „teisingų diagnozių“, todėl rezultatų nereikėtų suprasti pernelyg paprastai. Tyrėjai taip pat vertino kalibraciją ir klinikinę naudą – ar prognozuojama rizika atitinka tikrąją ir ar modelio naudojimas galėtų padėti priimti sprendimus.
Galima vieta – nuotolinė stebėsena
Praktiškai tokia priemonė galėtų būti integruota į saugią pacientų programėlę. Pacientas nustatytu laiku nufotografuotų žaizdą, o sistema pažymėtų vaizdus, kuriuos turėtų peržiūrėti slaugytojas arba chirurgas. Tai galėtų būti ypač naudinga gyvenantiems toli nuo operavusios įstaigos, riboto judumo pacientams ir po ortopedinių operacijų, kai kelionė ankstyvuoju laikotarpiu sudėtinga.
Algoritmas taip pat galėtų padėti standartizuoti pirminę atranką, tačiau jo paskirtis nėra nustatyti galutinę diagnozę. Paraudimas, patinimas ar išskyros turi būti vertinami kartu su skausmo dinamika, karščiavimu, laboratoriniais rodikliais, operacijos rūšimi ir paciento rizikos veiksniais.
Kodėl išorinis patikrinimas svarbus?
Tikslumo sumažėjimas išoriniame duomenų rinkinyje primena, kad medicininiai vaizdų modeliai gali būti jautrūs apšvietimui, telefono kamerai, fotografavimo kampui, tvarsčiams ir pacientų odos atspalvių įvairovei. Prieš plačiai diegiant sistemą reikėtų ją patikrinti skirtingose ligoninėse, su įvairiomis operacijomis ir realiomis namų sąlygomis.
Ne mažiau svarbi duomenų apsauga. Žaizdų nuotraukos yra sveikatos duomenys, todėl jos turi būti perduodamos ir saugomos saugiai, o pacientas turi aiškiai žinoti, kas vaizdus matys ir kiek laiko jie bus laikomi.
Kada kreiptis nelaukiant algoritmo?
Didėjantis paraudimas, pūlingos išskyros, nemalonus kvapas, žaizdos prasiskyrimas, stiprėjantis skausmas, karščiavimas ar šaltkrėtis yra priežastys susisiekti su gydymo įstaiga. Staigiai blogėjant savijautai nereikėtų laukti programėlės ar nuotolinio atsakymo. Dirbtinis intelektas gali tapti naudingu filtru, bet klinikinė atsakomybė ir sprendimas turi likti sveikatos priežiūros specialistui.
Rengiant publikaciją naudotos dirbtinio intelekto priemonės. Turinį peržiūrėjo MedNews.lt redakcija.
Originalus tekstas: https://jamanetwork.com/journals/jamasurgery/article-abstract/2853285
Iliustracija sukurta naudojant dirbtinį intelektą.