Диагностику заболеваний почек можно автоматизировать

Диагностику заболеваний почек можно автоматизировать

04 May 2021
28
Прослушать

Хроническая болезнь почек часто остается незамеченной до тех пор, пока не нанесет необратимый ущерб. Теперь ее диагностика может стать полностью автоматизированной благодаря новому алгоритму, разработанному учеными из колледжа Вагелоса Колумбийского университета (США), который автоматически ищет в электронной медицинской карте пациента результаты анализов крови и мочи.

Используя сочетание известных уравнений и технологии машинного обучения для обработки данных, алгоритм способен дать информацию врачам, чтобы они могли предупредить пациентов на самых ранних стадиях заболевания.

Информация о разработке этого алгоритма была опубликована в журнале npj Digital Medicine.

Для выявления бессимптомного заболевания почек необходимы два теста: один измеряет содержание в крови метаболита, отфильтрованного почками, а другой - утечку белка в моче.

Хроническая болезнь почек может вызвать множество серьезных проблем, включая болезни сердца, анемию или заболевания костей, и может привести к ранней смерти, но ее ранние стадии часто не распознаются и не лечатся. Интерпретация этих тестов не всегда проста. Необходимо учитывать многие характеристики пациента, включая возраст, пол, массу тела или статус питания, и это часто недооценивается врачами первичного звена.

Новый алгоритм решает эти проблемы путем автоматического сканирования электронных медицинских карт для получения результатов анализов, проведения расчетов, которые указывают на функцию и повреждение почек, определения стадии заболевания пациента и предупреждения врачей о проблемах, причем он работает почти так же хорошо, как опытные нефрологи.

При тестировании с использованием электронных медицинских карт 451 пациентов алгоритм правильно диагностировал заболевание почек у 95% почечных пациентов, которых определили два опытных нефролога, и правильно исключил заболевание почек у 97% здоровых контрольных пациентов.

Алгоритм может быть использован в различных типах систем электронных медицинских карт, включая системы с миллионами пациентов, и может быть легко включен в систему поддержки принятия клинических решений.