Przewidywanie AI ostrego uszkodzenia nerek

Ostre uszkodzenie nerek to nagłe pogorszenie czynności nerek. Lekarze definiują to na podstawie kryteriów KDIGO: stężenie kreatyniny w surowicy wzrasta o co najmniej 0,3 mg/dl w ciągu 48 godzin lub wzrasta do 1,5-krotności wartości wyjściowej w ciągu siedmiu dni lub wydalanie moczu utrzymuje się poniżej 0,5 ml/kg na godzinę przez sześć godzin. Problem polega na tym, że kreatynina jest markerem opóźnionym. Zanim się podniesie, uraz może mieć dzień lub więcej. Modele prognostyczne próbują wyprzedzić to opóźnienie. Z wielu wcześniejszych przyjęć dowiadują się, jakie wzorce występowały przed AKI: małe dryfty kreatyniny, wzrost azotu mocznikowego we krwi, niskie ciśnienie krwi, posocznica, niedawna operacja, przewlekła choroba nerek i narażenie na leki mogące uszkodzić nerki, takie jak wankomycyna, aminoglikozydy, NLPZ lub kontrast dożylny. Najbardziej znane badanie pochodziło z DeepMind i Departamentu Spraw Weteranów Stanów Zjednoczonych i zostało opublikowane w czasopiśmie Nature w 2019 r. Nawracająca sieć neuronowa wytrenowana na zapisach VA przewidywała nieco ponad połowę epizodów AKI u pacjentów hospitalizowanych z wyprzedzeniem do 48 godzin. Na każdy prawdziwy wygenerował mniej więcej dwa fałszywe alarmy. Gorzej wypadło również w przypadku kobiet, które stanowiły jedynie niewielką część pacjentów z VA. To pokazuje, jak populacja ucząca kształtuje, komu model dobrze służy. Powszechnym błędnym przekonaniem jest to, że aplikacja Streams DeepMind w Royal Free Hospital w Londynie to sztuczna inteligencja. To nie było. Transmisje wysyłały do ​​lekarzy powiadomienia na telefony z algorytmu AKI NHS England, który opiera się na regułowym porównaniu wartości kreatyniny. Transmisje stały się bardziej znane po ustaleniu z 2017 r. przez Biuro brytyjskiego komisarza ds. informacji, że szpital nie przestrzegał przepisów o ochronie danych, udostępniając dokumentację pacjentów firmie DeepMind. Najważniejszą lekcją jest to, że przewidywanie to nie to samo, co korzyść. Randomizowane badania w Yale, prowadzone przez F. Perry'ego Wilsona, testowały alerty elektroniczne, które uruchamiały się w przypadku obecności AKI. Alerty nie zmniejszyły ogólnie wyników takich jak dializa lub śmierć. Alert pomaga tylko wtedy, gdy ktoś na niego zareaguje i istnieje skuteczne działanie dla tego pacjenta.