Astım ve kronik obstrüktif akciğer hastalığı (KOAH), dünya çapında en yaygın akciğer hastalıklarından ikisidir ve bu koşulların alevlenmesi, sağlığı olumsuz yönde etkileyebilir ve sağlık bakım maliyetlerini artırabilir. Yeni bir çalışma, bilgiyi işlemek için büyük miktarlarda veri kullanan bir tür yapay zeka (AI) olan derin öğrenmenin, birden fazla hastaneye yatma riski yüksek olan bu hastalıklara sahip hastaların tespitini iyileştirebileceğini göstermektedir.

Çalışma 13 Aralık 2023’te Respiratory Research dergisinde yayınlandı ;

Deep learning prediction of hospital readmissions for asthma and COPD

Hastaneye yatmayı gerektiren ciddi astım ve KOAH alevlenmeleri, artan hastalık morbiditesi ve sağlık bakım maliyetleriyle bağlantılıdır. Şiddetli astım ve KOAH alevlenmelerinin Elektronik Sağlık Kaydı (EHR) özelliklerini belirlemeye ve EHR verilerini kullanarak yeniden kabulleri tahmin etmede dört makine öğrenimi (ML) ve bir derin öğrenme (DL) modelinin performansını değerlendirmeye çalıştık.

Araştırmada araştırmacılar, şiddetli astım ve KOAH alevlenmelerinin elektronik sağlık kaydı (EHR) özelliklerini belirlediler. Daha sonra EHR verilerini kullanarak hastaneye yeniden yatışları tahmin etmede dört makine öğrenme modelini ve bir derin öğrenme modelini değerlendirdiler . Araştırmacılar, derin öğrenme yöntemi olan çok katmanlı algılayıcının en iyi performansa sahip olduğunu buldu.

Tıp profesörü ve Hassas Akciğer Tıbbı Merkezi (P2MED) direktörü Jose Gomez-Villalobos, MD, bulguların AI’nın göğüs hastalıkları uzmanlarının astım, KOAH ve diğer durumlar için yeni sınıflandırmalar geliştirmesine yardımcı olmada rol oynayabileceğini gösterdiğini söyledi. Yale Tıp Fakültesi’nde Pulmoner Yoğun Bakım ve Uyku Tıbbı Bölümü (Yale-PCCSM).

Gomez-Villalobos, “Bu yöntemlerin uygulanması, belirli tedavilerden fayda görebilecek veya klinisyenin her zaman açıklayamayacağı özelliklere sahip hasta gruplarını belirlememize yardımcı olabilir.” dedi. “Hangi hastaların ihtiyaçlarının arttığını veya hedefe yönelik tedavilerden yararlanabileceğini bilirsek, hastaneye dönme ihtiyacı duyma olasılığını azaltabiliriz.”

Gomez-Villalobos, en önemlisi, çalışmanın bu hastalık alevlenmelerinin yükünde önemli ırksal ve etnik eşitsizliklerin altını çizdiğini belirtti. “Azınlık grupları bu hastaneye yatışlardan orantısız bir şekilde etkileniyor” dedi.