Ravikindlustusnõuete andmed võivad aidata ennustada autismi tõenäosust lastel

Ravikindlustusnõuete andmed võivad aidata ennustada autismi tõenäosust lastel

Tervisekindlustuse nõuded võivad aidata rohkem kui lihtsalt aidata terviseprobleemide eest tasuda; Vastavalt Penn State'i interdistsiplinaarse uurimisrühma uutele järeldustele, mis avaldati ajakirjas BMJ Health & Care Informatics, võivad nad aidata neid ennustada. Teadlased töötasid välja masinõppemudelid, mis hindavad seoseid sadade kliiniliste muutujate vahel, sealhulgas näiliselt mitteseotud haigusseisundite korral arstide visiidid ja tervishoiuteenused, et ennustada autismispektri häire tõenäosust väikelastel.

Anonüümseks muudetud ja turundusskaneerimise andmekogudes laialdaselt kättesaadavad kindlustusnõuete andmed pakuvad patsiendi kohta põhjalikku ja pikaajalist meditsiinilist teavet. Selle valdkonna teaduskirjandus viitab sellele, et autismispektri häirega lastel esineb sageli sagedamini ka selliseid kliinilisi sümptomeid nagu: B. erinevat tüüpi infektsioonid, seedetrakti probleemid, krambid ja käitumisprobleemid. Need sümptomid ei ole autismi põhjuseks, kuid esinevad sageli autismiga lastel, eriti noores eas. Sellepärast saime inspiratsiooni teha kokkuvõte meditsiinilisest teabest, et kvantifitseerida ja ennustada seda seotud tõenäosust.

Qiushi Chen, vastav autor, tööstus- ja tootmistehnika dotsent, Penn State College of Engineering

Teadlased sisestasid andmed masinõppe mudelitesse ja koolitasid neid hindama sadu muutujaid, et leida seoseid, mis on seotud autismispektri häire suurenenud tõenäosusega.

"Autismispektri häire on arenguhäire," ütles kaasautor Guodong Liu, Penn State College of Medicine'i rahvatervise, psühhiaatria ja käitumistervise ning pediaatria dotsent. "Diagnoosi panemiseks vajab arst vaatlusi ja mitmeid uuringuid. Protsess on tavaliselt pikk ja paljud lapsed jätavad varase sekkumise akna vahele – see on kõige tõhusam viis tulemuste parandamiseks."

Üks kõige sagedamini kasutatavaid sõeluuringuvahendeid autismispektri häire suurenenud tõenäosusega väikelaste tuvastamiseks on väikelaste autismi muudetud kontrollnimekiri (M-CHAT), mis antakse tavaliselt 18- ja 24-kuuliste laste rutiinsete visiitide korral. See koosneb 20 küsimusest, mis keskenduvad käitumisele, mis on seotud silmside, sotsiaalse suhtluse ja mõne füüsilise verstapostiga, näiteks kõndimisega. Eestkostjad reageerivad oma tähelepanekute põhjal, kuid Chen ütleb, et areng on selles vanuses nii erinev, et tööriist võib lapsi valesti tuvastada. Selle tulemusena ei diagnoosita lapsi ametlikult enne nelja- või viieaastaseks saamist, mis tähendab, et nad jätavad aastaid kasutamata võimalikud varased sekkumised.

"Meie uus mudel, mis kvantifitseerib tuvastatud riskitegurite summa tõenäosuse taseme määramiseks, on juba võrreldav olemasoleva sõelumistööriistaga ja mõnel juhul isegi pisut parem," ütles Chen. "Kui kombineerime mudeli sõeluuringu tööriistaga, on meil arstide jaoks paljutõotav lähenemisviis."

Liu sõnul oleks praktiliselt otstarbekas integreerida mudel kliiniliseks kasutamiseks mõeldud sõeluuringu tööriista.

"Selle töö ainulaadne tugevus on see, et seda kliinilise informaatika lähenemisviisi saab hõlpsasti kliinilisse töövoogu integreerida, " ütles Liu. "Ennustava mudeli võiks manustada haigla elektroonilisse haigusloo süsteemi, mida kasutatakse patsiendi tervise registreerimiseks kliiniliste otsuste tugivahendina kõrge riskiga laste märgistamiseks, võimaldades nii arstidel kui ka peredel varem meetmeid võtta."

See töö, mida rahastavad riiklikud tervishoiuinstituudid, Penn State'i sotsiaalteaduste uurimisinstituut ja Penn State College of Engineering, on aluseks uuele 460 000 dollari suurusele stipendiumile Chen ja Whitney Guthrie'le, Philadelphia autismiuuringute keskuse lastehaigla kliinilisele psühholoogile ja Pennieli ülikooli Permanylvanylvanyli ülikooli psühhiaatria ja pediaatriakooli riikliku meditsiini instituudi psühhiaatria ja pediaatriakooli dotsendile. Vaimne tervis.

Nad kasutavad uut toetust, et täpselt analüüsida, kui hästi kombineeritud haiglakirjed ja sõeluuringu tulemused ennustavad autismi diagnoose, ning uurivad ka muid võimalikke sõeluuringuvahendeid, mis võiksid arste oma patsiente paremini varustada.

"Praeguse tööriistaga ei jää paljud autismispektriga lapsed vahele, vaid ka paljudel meie sõeluuringute abil tuvastatud lastel on meie piiratud diagnostikavõime tõttu pikad ravijärjekorrad," ütles Guthrie. "Kuigi M-CHAT tuvastab palju lapsi, on sellel ka väga kõrge valepositiivsete ja valenegatiivsete testide määr, mis tähendab, et paljud autistlikud lapsed jäävad vahele ja teised lapsed suunatakse autismi hindamisele, kui nad seda ei vaja. Mõlemad." Probleemide tõttu tuleb edasist hindamist oodata kaua – sageli mitu kuud või isegi aastaid. Tagajärjed lastele, mida meie praegused sõeluuringuvahendid ei käsitle, on eriti olulised, kuna hilinenud diagnoosimine põhjustab sageli selle, et lapsed jäävad varajase sekkumise aknast täielikult ilma. Lastearstid vajavad paremaid sõeluuringuvahendeid, et võimalikult varakult täpselt tuvastada kõik lapsed, kes vajavad autismi hindamist.

Üks osa probleemist on piiratud arv psühholooge, lastearstlikke lastearste ja teisi pediaatrilise arengu eksperte, kes suudavad diagnoosida autismispektri häiret. Cheni sõnul võib lahendus peituda tööstustehnikas.

"Põhiidee on parandada ressursside kasutamist," ütles Chen. "Arvestades dr Guthrie kliinilisi teadmisi ja minu rühma modelleerimisoskusi, tahame välja töötada tööriista, mida eriväljaõppeta esmatasandi arstid saavad kasutada enesekindlate hinnangute tegemiseks, et diagnoosida lapsed võimalikult varakult, et nad saaksid võimalikult kiiresti vajalikku abi." võimalik."

Teised kaasautorid on esimene autor Yu-Hsin Chen, tööstus- ja tootmistehnika doktorant, kes kirjutab stipendiumi kohta ka oma väitekirja; ja kaasautor Lan Kong, Penn State College of Medicine'i rahvaterviseteaduste professor.

Allikas:

Penn State

Viide:

Chen, YH. et al. (2022) Autismispektri häire varajane avastamine väikelastel masinõppe abil, kasutades meditsiiniliste väidete andmeid. BMJ Tervise- ja hooldusinformaatika. doi.org/10.1136/bmjhci-2022-100544.

.