2020年10月4日

AI预测患者发生严重疼痛,手术后使用阿片类药物的风险最高

机器学习模型中使用的人工智能(AI)可以预测哪些患者术后出现严重疼痛的风险最高,并有助于确定谁将从使用非阿片类药物替代品的个性化疼痛管理计划中受益最大。麻醉学2020年年会。

一些患者体验更多 并且需要较长时间的高剂量阿片类药物,这增加了他们服用阿片类药物的风险 虐待障碍。通过了解哪些患者发生严重外科手术的风险更高 ,麻醉医生可以使用非阿片类药物替代品(例如神经阻滞,硬膜外麻醉和其他药物)来制定麻醉计划,从而更有效地解决疼痛并减少对阿片类药物的需求。

当前,医生使用耗时的问卷调查来确定处于严重手术后疼痛风险较高的患者,询问其焦虑,睡眠质量和抑郁的病史。在这项研究中,研究人员寻求一种使用机器学习的更快,更有效的方法,其中系统根据提供的数据进行学习和发展。他们创建了三种机器学习模型来分析患者的电子病历,发现较年轻的年龄,较高的体重指数,女性,先前存在的疼痛和使用过阿片类药物是术后疼痛的最预测因素。

“我们计划将模型与我们的 该研究的主要作者,波士顿布莱根妇女医院的麻醉学家兼哈佛医学院的麻醉学讲师Mieke A. Soens医师表示,可以为每位患者提供手术后疼痛的预测。被确定为有严重的术后严重疼痛风险的医生,麻醉医生便可以调整患者的麻醉计划,以最大化非阿片类药物的疼痛管理策略,从而减少手术后对阿片类药物的需求。”

在分为两部分的研究中,研究人员研究了来自5944名患者的数据,这些患者进行了各种手术,包括胆囊切除术,子宫切除术,髋关节置换术和前列腺手术。其中,有1287人(22%)在术后头24小时内消耗了90毫克吗啡毫克当量(MME),这被认为是高剂量。在研究的第一部分中,他们根据文献搜索和专家咨询,使用163个潜在因素来预测手术后的高疼痛。从那里他们创建了三个机器学习算法模型(逻辑回归,随机森林和 )提取了患者的病历,并将163个预测因子缩小为最准确地预测患者术后疼痛的严重程度和潜在的阿片类药物需求的因子。

在第二部分中,他们将模型预测的结果与这些患者的实际阿片类药物使用进行了比较。他们确定所有三个模型的总体预测准确度相似:逻辑回归和随机森林方法的预测准确度为81%,人工神经网络的预测准确度为80%。这意味着模型可以准确地识别出哪些人更可能出现严重的疼痛,并且大约80%的时间需要更高剂量的阿片类药物。

索恩斯博士说:“电子病历是有价值且未被充分利用的患者数据来源,可以有效地用于改善患者的生活。” “有选择地确定 通常在手术后需要大剂量阿片类药物的人对于减少滥用阿片类药物很重要。”

由...提供 美国麻醉医师学会

加载评论 (0)