Studie používá umělou inteligenci k klasifikaci archetypů bolesti pacienta po náhradě kolena
Studie využívající umělou inteligenci k klasifikaci archetypů bolesti pacienta a identifikaci rizika těžké bolesti po výměně kolena získala nejlepší cenu za setkání na 50th Výroční setkání Americké společnosti pro regionální anestezii a léky proti bolesti (ASRA). Čest, která uznává excelenci ve vědeckém výzkumu, je udělena třem z 10 nejlepších abstraktů s nejvyšším skóre, které si vybral výzkumný výbor ASRA.
Je ctí mít jednu z nejlepších profesních organizací v oblasti regionální anestézie a bolesti bolesti zdůraznit spolupráci ve výzkumném středisku pro prevenci bolesti našeho oddělení. Cena odráží naše odhodlání inovacím v péči o pacienty a podtrhuje uznání našeho úsilí větší vědecké komunity. “
Alexandra Sideris, PhD, ředitelka výzkumu prevence bolesti v HSS
Více než jeden milion lidí podstoupí každoročně chirurgii náhrady kolen ve Spojených státech a tato čísla stále rostou, poznamenává Dr. Sideris. „Je třeba lépe porozumět individuálním trajektoriím bolesti pacientů a jedním z nejzajímavějších přístupů je využití umělé inteligence. S naší obrovskou databází pacientů v HSS může strojové učení analyzovat faktory, jako je věk, pohlaví, BMI a hladinu presurgické bolesti, aby předpověděl, kteří pacienti mají větší riziko závažné bolesti po operaci. Tým pečovatelského týmu, který je vyzbrojen těmito informacemi, může přizpůsobit osobní plány na řízení bolesti, aby vyhovovaly potřebám pacientů.
Vědci HSS měli několik cílů: využívat strojové učení k identifikaci archetypů bolesti po úplné náhradě kolena; Určete důležité rysy pro predikci výsledků bolesti; a klasifikují pacienty s rizikem těžké bolesti v bezprostředním pooperačním období. Retrospektivní studie zahrnovala 17 200 pacientů, kteří měli od 1. dubna 2021 do 31. října 2024 celkové náhrady kolen.
„Using unsupervised machine learning, we identified two distinct pain archetypes in patients who underwent total knee replacement, which corresponded to those who experienced severe, difficult to control pain after surgery and those whose pain was relatively well controlled,“ explained Justin Chew, MD, PhD, a clinical fellow at HSS who presented the study at the ASRA meeting on May 1. „We then utilized supervised machine learning to determine the most significant predictive factors for severe bolest v naší studii, rizikové faktory zahrnovaly mladší věk, větší fyzické/mentální poškození, vyšší BMI a předoperační používání opioidů nebo gabapentinoidu. “
Dr. Sideris poznamenává, že probíhající a budoucí studie na HSS budou i nadále využívat AI s cílem zlepšit výsledky pacientů. Zatímco oceněná studie se zaměřila na okamžité pooperační období, uvedla, že další studie budou následovat trajektorii bolesti a zotavení pacientů po delší dobu, aby určily, které strategie mohou lékaři použít před chirurgickým zákrokem, intraoperativně a v bezprostředním pooperačním období pro zvládnutí bolesti u vysoce rizikových pacientů.
