Кратко о статье
Исследователи разработали алгоритм, который использует клинические и генетические данные, чтобы помочь определить реакцию на противосудорожные препараты у пациентов с недавно диагностированной эпилепсией.
Исследователи разработали модель глубокого обучения для определения наилучшего выбора противосудорожных препаратов для пациентов с эпилепсией, согласно результатам, опубликованным в Интернете 29 августа. ДЖАМА Неврология.
Исследователи написали, что модель может быть самой изощренной попыткой применить искусственный интеллект в сложной сфере выбора правильного лечения для этих пациентов. Хотя модель может дать рекомендации, которые оказались лучше, чем случайный случай, и у нее есть потенциал для дальнейшего уточнения, эксперты, не участвовавшие в работе, а также авторы исследования, заявили, что технология все еще не готова для клинического использования.
Тем не менее, они сказали, что последняя модель является значительным шагом вперед в продолжающихся усилиях по улучшению процесса принятия решений, который часто оставляет пациентов с неудачными попытками принять их первоначальные лекарства.
«Мы думаем, что это будет иметь огромное значение как для пациента, так и для врача», — сказал Патрик Кван, доктор медицинских наук, профессор неврологии в Университете Монаш в Мельбурне, Австралия. «Это даст пациенту гораздо больше уверенности в вероятности того, подействует ли лекарство или нет. Тогда они смогут организовать свою жизнь вокруг этого».
Модель глубокого обучения
Исследователи разработали модель глубокого обучения, тип машинного обучения, который «основан на внимании» и может фокусироваться на одних частях ввода больше, чем на других, позволяя наблюдать более тонкие закономерности.
«Этот тип модели может извлекать корреляции между скрытыми переменными лучше, чем другие модели глубокого обучения, не основанные на внимании», — сказал Цзунъюань Гэ, доцент Центра электронных исследований Монаша и специалист по глубокому обучению.
Поскольку модель лучше понимает немаркированные входные данные, она лучше подходит для использования клинических отчетов и информации о последовательности генов, которую исследователи включают в модель.
Исследователи обучили и проверили модель, используя пять групп пациентов с недавно диагностированной эпилепсией: 1065 пациентов из Западной больницы в Глазго, Шотландия; 242 из Медицинского центра Университета Малайи в Куала-Лумпуре, Малайзия; 191 в Первой дочерней больнице Чунцинского медицинского университета в Китае; 189 в Службе эпилепсии для взрослых штата Вашингтон в Перте, Австралия; и 111 в Первой дочерней больнице Университета Сунь Ятсена в Гуанчжоу, Китай.
В модели учитывались ламотриджин, вальпроат, карбамазепин, леветирацетам, окскарбазепин, топирамат и фенитоин. Цель лечения состояла в том, чтобы добиться полного отсутствия приступов в течение как минимум года при первом приеме препарата.
Исследователи ввели в модель следующие переменные: пол; возраст на момент начала лечения; черты в их истории, например, испытывали ли они фебрильные судороги или серьезную травму головы; наличие цереброваскулярных заболеваний или умственной отсталости; было ли у них на пять меньше приступов или на пять больше; была ли эпилепсия фокальной, генерализованной или неклассифицированной; и три категории результатов ЭЭГ и визуализации головного мозга (нормальные, аномальные эпилептиформные или аномальные неэпилептиформные).
Среди когорт проверки чувствительность модели преобразователя для прогнозирования успеха варьировалась от 0,41 до 0,61, а специфичность – от 0,55 до 0,66. Средняя площадь под кривой рабочей характеристики приемника (AUROC) варьировалась от 0,52 до 0,60. Доктор Кван сказал, что цель состоит в том, чтобы это число достигло диапазона от 0,70 до 0,75.
«Это то, на что мы надеемся», — сказал он.
По его словам, добавление генетической информации и полных данных изображений — либо с языковым описанием, либо с самими изображениями — вероятно, могло бы помочь в этом. По словам доктора Кван, концепция модели заключается в том, что информация может быть извлечена из электронной медицинской карты, а затем дана рекомендация лечащему врачу. Но он добавил, что модель в настоящее время не учитывает многие нюансы выбора лекарств, такие как взаимодействие между лекарствами или побочные эффекты.
«На данном этапе мы не предполагаем, что это полностью заменит принятие клинических решений», — сказал он, но, скорее, это будет инструмент, который клиницисты могли бы использовать вместе с другими соображениями.
Но этот подход может быть полезен в процессе, который теперь часто оставляет врачам два или три лекарства, из которых они могут выбирать после рассмотрения таких факторов, как тип припадка и взаимодействие лекарств.
«Это попытка избежать неправильного лекарства, а не найти правильное», — сказал доктор Кван.
Если модель можно будет усовершенствовать, улучшенный выбор первых противосудорожных препаратов может означать лучшее качество жизни пациентов. По его словам, в отличие от пациентов с гипертонией, например, которые могут видеть падение своего кровяного давления и знать, что лекарство работает, пациенты с эпилепсией вынуждены использовать подход «с течением времени» и надеяться на отсутствие приступов.
«Если у нас будет точный прогноз, это обеспечит уверенность, вероятность ответа или отсутствия ответа», — сказал доктор Кван.
По его словам, если модель предсказывает, что ни один из фармацевтических вариантов, вероятно, не сработает, то немедикаментозные варианты, такие как хирургия, могут быть рассмотрены раньше.
По его словам, этот инструмент также может помочь врачам первичной медико-санитарной помощи в назначении лекарств, особенно в сельской местности, где доступ к неврологам может быть ограниченным.
Вклад независимых экспертов
Андреас Алексопулос, доктор медицины, магистр здравоохранения, штатный врач Центра эпилепсии в Кливлендской клинике, приветствовал усилия, но сказал, что пройдет некоторое время, прежде чем появится возможность клинического использования.
«Учитывая, что это исследование основано на ретроспективных данных и разнообразных данных из разных центров с переменным населением, а также учитывая, как признают авторы, скромную производительность алгоритма, я не думаю, что мы готовы к чему-то, что является сдвигом парадигмы. ,” он сказал. «Очевидно, что исследовательское сообщество с большим энтузиазмом относится к искусственному интеллекту и аналитике больших данных, чтобы помочь в принятии решений в клинической практике. Энтузиазм должен быть умерен тем, насколько это применимо».
По его словам, в будущем ввод данных о патофизиологии будет иметь важное значение для успеха такой модели.
«Стоит показать, что это осуществимо и выполнимо, и продолжать улучшать и информировать эти модели по мере развития знаний», — сказал д-р Алексопулос.
Джойс Крамер, консультант по фармацевтике и медицинскому оборудованию и бывший младший научный сотрудник Йельского университета, изучавшая эпилепсию, сказала, что не ожидает, что эта модель найдет применение в клинической практике.
«Я проходила через это много раз на протяжении многих лет, — сказала она. «Они продолжают предлагать какой-то алгоритм, и они уверены, что это будет именно он. Его никогда не улавливают, потому что на самом деле они работают не лучше, чем интуиция».
Несмотря на большое количество исследований, проведенных в области лечения эпилепсии, мало кто уделял внимание клиническому выбору. Было «ужасно много данных, но очень мало способов создать окончательный алгоритм лечения», — сказал Крамер. Пока точность этой модели, около 60 процентов, отметила она, не впечатляет.
«Это очень близко к 50/50», — сказала она.
Ее скептицизм по поводу модели частично основан на ее вкладе до сих пор. Например, по ее словам, данные истории болезни, скорее всего, не помогут определить правильное лечение.
«Независимо от того, вызвана ли чья-то эпилепсия инсультом или какой-либо другой травмой головы, это не будет иметь никакого значения в том, как они реагируют на лекарства», — сказала она.
Настоящим испытанием было бы сравнение рекомендаций по аппарату с собственным решением клинициста. «Если вы сравните это с немашинным, человеческим суждением, что в этой ситуации может предложить хороший невролог по сравнению с тем, что может предложить машина?» — сказал Кремер.
Она также отметила, что препараты, используемые в модели, пока не включают новейшие варианты. «Если бы вы включили некоторые другие препараты, более новые препараты, это имело бы значение», — сказал Крамер. «Но это все очень стандартные препараты».
Раскрытие информации
Доктор Кван получил гонорары за консультации/выступления от Angelini, Eisai, LivaNova и UCB Pharma помимо представленной работы..
