Štúdia využíva umelú inteligenciu na klasifikáciu archetypov bolesti pacientov po náhrade kolena

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

Štúdia, ktorá využíva umelú inteligenciu na klasifikáciu archetypov bolesti pacientov a určenie rizika silnej bolesti po náhrade kolena, získala ocenenie za najlepší výsledok na 50. výročnom stretnutí Americkej spoločnosti regionálnej anestézie a medicíny bolesti (ASRA). Vyznamenanie, ktoré oceňuje excelentnosť vo vedeckom výskume, sa udeľuje trom z 10 abstraktov s najvyšším počtom bodov, ktoré vybral výbor pre výskum ASRA. Je mi cťou, že jedna zo špičkových odborných organizácií v oblasti regionálnej anestézie a medicíny bolesti vyzdvihuje spoluprácu Centra výskumu prevencie bolesti nášho oddelenia. Ocenenie odráža náš záväzok k inováciám v...

Štúdia využíva umelú inteligenciu na klasifikáciu archetypov bolesti pacientov po náhrade kolena

Štúdia, ktorá využíva umelú inteligenciu na klasifikáciu archetypov bolesti pacientov a určenie rizika silnej bolesti po náhrade kolena, získala ocenenie za najlepší výsledok na 50. výročnom stretnutí Americkej spoločnosti regionálnej anestézie a medicíny bolesti (ASRA). Vyznamenanie, ktoré oceňuje excelentnosť vo vedeckom výskume, sa udeľuje trom z 10 abstraktov s najvyšším počtom bodov, ktoré vybral výbor pre výskum ASRA.

Je mi cťou, že jedna zo špičkových odborných organizácií v oblasti regionálnej anestézie a medicíny bolesti vyzdvihuje spoluprácu Centra výskumu prevencie bolesti nášho oddelenia. Ocenenie odráža náš záväzok k inováciám v starostlivosti o pacientov a podčiarkuje uznanie nášho úsilia širšou vedeckou komunitou. “

Alexandra Sideris, PhD, riaditeľka Výskumného centra prevencie bolesti pri HSS

Viac ako milión ľudí podstúpi každý rok v Spojených štátoch operáciu náhrady kolena a tieto čísla naďalej rastú, tvrdí Dr. Sideris. "Je potrebné lepšie porozumieť individuálnym trajektóriám bolesti pacientov a jedným z najzaujímavejších prístupov je využiť umelú inteligenciu. S našou masívnou databázou pacientov v HSS môže strojové učenie analyzovať faktory, ako je vek, pohlavie, BMI a už existujúce úrovne bolesti, aby bolo možné predpovedať, ktorí pacienti sú vystavení väčšiemu riziku vzniku bolesti," povedala. S týmito informáciami môže tím starostlivosti prispôsobiť personalizované plány zvládania bolesti tak, aby vyhovovali potrebám pacienta.

Výskumníci z HSS mali niekoľko cieľov: Použiť strojové učenie na identifikáciu archetypov bolesti po totálnej náhrade kolena. Určite vlastnosti dôležité pre predpovedanie výsledkov bolesti; a klasifikovať pacientov s rizikom silnej bolesti v bezprostrednom pooperačnom období. Retrospektívna štúdia zahŕňala 17 200 pacientov, ktorí mali od 1. apríla 2021 do 31. októbra 2024 totálne náhrady kolena na HSS.

"Pomocou strojového učenia bez dozoru sme identifikovali dva odlišné archetypy bolesti u pacientov podstupujúcich totálnu náhradu kolenného kĺbu. Tie zodpovedali tým, ktorí mali po operácii silnú, ťažko kontrolovateľnú bolesť a ktorých bolesť bola relatívne dobre kontrolovaná," ​​vysvetlil MUDr. Justin Chew, PhD, PhD. V našej štúdii rizikové faktory zahŕňali mladší vek, väčšie telesné/mentálne postihnutie, vyšší BMI a predoperačné užívanie opioidov alebo gabapentinoidov. “

Dr. Sideris poznamenáva, že prebiehajúce a budúce štúdie na HSS budú naďalej využívať AI na zlepšenie výsledkov pacientov. Zatiaľ čo ocenená štúdia sa zamerala na bezprostredné pooperačné obdobie, povedala, že ďalšie štúdie budú sledovať progresiu bolesti a zotavenie pacientov počas dlhších období, aby určili, aké stratégie môžu lekári použiť pred operáciou, počas operácie a bezprostredne po operácii na zvládnutie bolesti u vysokorizikových pacientov.


Zdroje: