במאמר שפורסם בכתב העת Arthritis Care & Research מדווחים חוקרים על תוצאות מחקר חדש, מהן עולה כי מודלים לניבוי המבוססים על נתונים קליניים עשויים לסייע בזיהוי חולים הצפויים להידרש לניתוח על-רקע המחלה הריאומטית, אך אלו אינם מסייעים בחיזוי סוג הפרוצדורה לה יידרשו.
ברקע למחקר מסבירים החוקרים כי אחד מכל חמישה חולים עם דלקת מפרקים שגרונית נדרש להתערבות ניתוחית להשבת תפקוד מפרק. עם זאת, תגובה וריאבילית לטיפול בתרופות מקשה על תכנית ההתערבויות הניתוחיות וקשה לנבא אילו חולים בסופו של דבר יידרשו לניתוח. כעת הם התבססו על לימוד מכונה במטרה לפתח מודלים לחיזוי הסיכוי להידרש להתערבות ניתוחית משנית לדלקת מפרקים שגרונית וכן לניבוי סוג הניתוח הנדרש.
באמצעות נתונים מרשומות רפואיות ממוחשבות אימנו החוקרים שני מודלי לימוד מכונה. המודל הראשון ניבא את הסיכוי להידרש לניתוח לאחר חמש שנים ומעלה מהביקור הראשון במרפאה. המודל השני שימש לנבא אם חולים המופנים לניתוח יידרשו לניתוח החלפת מפרק מג’ורי לעומת פרוצדורה פחות אינטנסיבית. גורמים מנבאים כללו נתונים דמוגרפיים, מחלות רקע ונתוני טיפול תרופתי.
התוצא העיקרי היה יכולת הדיסקרימינציה של המודל, כפי שנקבע לפי השטח מתחת לעקומת ה-ROC.
החוקרים זיהו 5,481 חולים, מהם 278 (5.1%) עברו ניתוח. מהממצאים עולה כי אין הבדל משמעותי בתדירות המרשמים לטיפול בתרופות ממשפחת DMARD או סטרואידים בין חולים שעברו ניתוח ואלו שלא נותחו אם כי מרשמים לטיפול בנוגדי-דלקת שאינם סטרואידים היו נפוצים יותר בחולים שנותחו (p=0.03).
המודל לניבוי הצורך בהתערבות ניתוחית הדגים שטח מתחת לעקומה של 0.90 והמודל לניבוי סוג ההתערבות הניתוחית הדגים שטח מתחת לעקומה של 0.58.
החוקרים מסכמים וכותבים כי שילוב מודלים דומים בקליניקה עשוי לסייע בשיפור תכנון התערבויות ניתוחיות בחולים עם דלקת מפרקים שגרונית.
תגובות רוצה להצטרף לדיון?
יש להתחבר כדי להגיב.
התחבראין תגובות עדיין. היה הראשון להגיב!