Система, прогнозирующая длительность госпитализации при КОВИД-19

Группа израильских ученых разработала систему на основе технологии машинного обучения, которая может предсказать развитие болезни пациентов с КОВИД-19 по индивидуальным характеристикам. Информация об этой разработке была опубликована в Journal of the American Medical Informatics Association.

Модель прогнозирует течение болезни пациента с точки зрения клинических состояний (умеренное, тяжелое или критическое), а также использования ресурсов больницы. Как отмечают разработчики,

Учитывая опасность беспрецедентной нагрузки на системы здравоохранения в связи с КОВИД-19, существует потребность в инструментах, помогающих лицам, принимающим решения, планировать распределение ресурсов на уровне подразделения, больницы и на национальном уровне.  

Исследователи стремились отследить, как госпитализированные пациенты с КОВИД-19 могут переходить из одного клинического состояния в другое. Они отмечают, что такая эволюция не всегда происходит линейно: например, пациент может провести пять дней в больнице в "тяжелом" состоянии, прежде чем его состояние ухудшится до "критического" и, в конечном счете, восстановится. Поэтому они разработали многоступенчатую модель, которая может учитывать все эти свойства.

Израильские ученые отмечают, что они смогли предсказать заполняемость больницы, сосредоточившись на ежедневном клиническом состоянии каждого пациента, которое они использовали в сочетании с его возрастом и полом. Они также смогли предсказать вероятность смерти и наступления критически тяжелого заболевания.

Группа проверила работу своей модели, используя реестр госпитализированных с КОВИД-19 пациентов, который ведется израильским министерством здравоохранения и включает возраст и пол пациента в дополнение к ежедневному клиническому статусу, а также датам приема и выписки из больницы. 

В статье говорится, что

Используя простые и легкодоступные характеристики пациентов, наша многостадийная модель точно предсказывает использование ресурсов здравоохранения и может быть использована для моделирования использования при различных сценариях притока пациентов. 

Ученые отмечают, что потенциальным ограничением их решения является то, что в нем используются только израильские данные первой волны коронавируса.