Mount Sinai primește un grant de 4 milioane de dolari de la NIH pentru a îmbunătăți predicția leziunilor renale postoperatorii
Cercetătorii de la Icahn School of Medicine din Mount Sinai au obținut un grant de aproximativ 4 milioane de dolari de la National Institutes of Health, destinat îmbunătățirii predicției și prevenirii leziunilor acute renale postoperatorii (AKI), o complicație potențial gravă după intervențiile chirurgicale.
În Statele Unite, anual se efectuează aproximativ 50 de milioane de intervenții chirurgicale majore non-cardiace, dintre care se estimează că 12% sunt complicate de AKI postoperator.
AKI postoperator poate prelungi șederea în spital și, așa cum a arătat cercetarea anterioară condusă de Mount Sinai, poate crește riscul de boală cronică renală și deces. Deoarece nu există un tratament direct pentru această afecțiune, este esențial să se prezică riscul și să se prevină leziunile renale.
„AKI postoperator este o complicație frecventă și gravă după intervenții chirurgicale, dar încă ne lipsesc metode fiabile pentru a identifica pacienții cei mai predispuși să dezvolte această afecțiune și pentru a stabili cele mai bune metode de prevenire”, afirmă Andrew Leibowitz. „Această cercetare reunește date din multiple spitale pentru a dezvolta o abordare mai precisă în predicția riscurilor și, în cele din urmă, pentru a ajuta clinicienii să adapteze strategiile preventive la fiecare pacient.”
Echipa de la Mount Sinai va analiza datele a peste 320.000 de pacienți din 15 spitale, utilizând un model de inteligență artificială (AI) care va prezice care pacienți ar putea dezvolta AKI după intervenție chirurgicală. De asemenea, cercetătorii vor examina dacă diferite grupuri de pacienți ar putea beneficia de strategii de prevenire diferite, având ca obiectiv pe termen lung adaptarea prevenției la fiecare pacient.
În prezent, capacitatea noastră de a prezice cine va dezvolta leziuni renale după intervenții chirurgicale este limitată, iar strategiile de prevenire sunt adesea aplicate în mod general, nu personalizat. Scopul nostru este să utilizăm informațiile disponibile în registrele electronice de sănătate pentru a identifica pacienții cu risc înainte de intervenție și pentru a trece la strategii de prevenire mai bine adaptate fiecărui pacient”, afirmă Ira Hofer.
Cercetătorii de la Mount Sinai, Universitatea Vanderbilt și Universitatea din California, Los Angeles, vor contribui cu expertiză în anestezie, nefrologie, informatică biomedicală și știința datelor de sănătate. Echipa va folosi învățarea federată, o metodă care permite spitalelor să dezvolte un model comun de predicție AI fără a transfera datele individuale ale pacienților între instituții. Fiecare spital își păstrează datele proprii ale pacienților.
Majoritatea modelor existente de predicție a AKI postoperator au fost dezvoltate pe populații de pacienți relativ mici, la spitale individuale. Potrivit cercetătorilor, acest lucru poate îngreuna determinarea dacă un model va funcționa fiabil în alte spitale sau pentru alte populații de pacienți.
„Învățarea federată ne oferă o modalitate de a învăța dintr-o populație de pacienți mult mai mare și mai diversă, menținând în același timp datele la nivel de pacient în sistemele de sănătate din care provin”, afirmă Girish N. Nadkarni. „Aceasta ne permite să analizăm dacă un model de predicție poate funcționa fiabil în întreaga diversitate de spitale și populații de pacienți, în loc să construim un instrument bazat pe experiența unei singure instituții.”
Studiul are două obiective. În primul rând, cercetătorii vor dezvolta și testa modele pentru a prezice dacă un pacient poate dezvolta AKI postoperator și cât de severă va fi aceasta. În al doilea rând, vor identifica grupurile de pacienți care ar putea beneficia de strategii de prevenire diferite.
Cercetătorii vor compara modelele de învățare federată cu abordările existente de predicție și cu un model construit folosind datele agregate ale instituțiilor participante. De asemenea, vor evalua performanța în diferite populații de pacienți, inclusiv grupuri care ar putea fi subreprezentate în modelele existente.
Rezultatele sunt menite să informeze viitoarele studii clinice care vor testa dacă strategiile de prevenire personalizate pot reduce AKI postoperator la pacienții care urmează intervenții chirurgicale.
„Scopul nostru final este să trecem dincolo de o abordare generală în prevenirea leziunilor renale după intervenții chirurgicale”, afirmă Hofer. „Prin combinarea expertizei din diferite instituții și utilizarea datelor într-un mod care protejează intimitatea pacienților, sperăm să dezvoltăm instrumente care să ajute clinicienii să identifice riscurile mai devreme și să aleagă strategii de prevenire mai personalizate.”
Cercetarea se bazează pe lucrările anterioare ale echipei în dezvoltarea modelor de risc perioperator și aplicarea învățării federate între spitale, inclusiv cercetări folosind această metodă pentru a prezice mortalitatea COVID-19. De asemenea, investigatorii au experiență în utilizarea datelor pentru a identifica strategii de tratament personalizate pentru leziunile renale asociate sepsisului.
„Dacă va avea succes, acest proiect ar putea oferi un model pentru utilizarea științei datelor colaborative și conștiente de confidențialitate pentru a îmbunătăți prevenirea complicațiilor dincolo de leziunile renale, în special la pacienții care urmează intervenții chirurgicale”, afirmă Nadkarni.
