Algoritma yang dikembangkan oleh fisikawan dan ahli jantung mencapai tingkat keberhasilan 88 persen – Sains Terkini


Ketika Avi Yagil, PhD, Profesor Fisika terhormat di Universitas California San Diego terbang pulang dari Eropa pada 2012, dia mengira dia terkena flu dari perjalanannya. Ketika "kumpulan pil" tidak memperbaiki gejalanya, istrinya mendorongnya untuk pergi ke dokter.

Tes lebih lanjut mengungkapkan sesuatu yang jauh lebih mengancam jiwa Yagil daripada flu biasa. "Rontgen dada menunjukkan paru-paru saya dibanjiri cairan, dan pemeriksaan ekokardiogram berikutnya menemukan saya mengalami kerusakan pada jantung saya."

Yagil didiagnosis menderita gagal jantung. "Ahli jantung UC San Diego Health mencoba mengatasi kondisi saya dengan obat-obatan, tetapi semua sistem gagal ketika jantung saya berjuang untuk membuat saya tetap hidup."

Pada Juni 2016, Yagil menerima transplantasi jantung. "Aku menganggap 17 Juni sebagai ulang tahunku yang kedua."

Sementara Yagil pulih dari operasi, ia mulai berpikir tentang bagaimana ia dapat meningkatkan proses untuk pasien seperti dia.


"Dalam pekerjaan saya, saya menggunakan pembelajaran mesin untuk memahami sejumlah besar informasi dan pengukuran partikel dan bagaimana mereka berinteraksi," katanya. "Tubuh manusia bahkan lebih kompleks, tetapi profesi medis tidak memanfaatkan teknologi yang diperlukan untuk menangkap korelasi multi-dimensi antara pengukuran, seperti tes laboratorium dan tanda-tanda vital, dan hasilnya. Kami berhipotesis bahwa metodologi seperti itu dan teknik dapat berkontribusi untuk meningkatkan prognosis dan perawatan pasien jantung dengan gagal jantung. "

Jadi Yagil bekerja sama dengan dokternya, Eric Adler, MD, ahli jantung dan direktur transplantasi jantung dan dukungan sirkulasi mekanis dan Barry Greenberg, MD, Profesor Kedokteran yang Terhormat di Fakultas Kedokteran UC San Diego dan direktur program perawatan gagal jantung lanjutan, keduanya di Institut Kardiovaskular di UC San Diego Health.

"Kami ingin mengembangkan alat yang memperkirakan harapan hidup pada pasien gagal jantung," kata Adler. "Ada aplikasi di mana algoritme mencari tahu segala macam hal, seperti produk yang ingin Anda beli. Kami membutuhkan alat serupa untuk membuat keputusan medis. Memprediksi kematian penting pada pasien dengan gagal jantung. Namun, strategi saat ini untuk memperkirakan risiko, adalah hanya sedikit berhasil dan bisa subjektif. "

Alder, Yagil dan Greenberg, serta tim ahli jantung dan fisikawan yang beraneka ragam, mengembangkan algoritma pembelajaran mesin berdasarkan data rekam medis elektronik teridentifikasi dari 5.822 pasien rawat inap atau rawat jalan dengan gagal jantung di UC San Diego Health.

Dari model ini, diperoleh skor risiko yang menentukan risiko kematian rendah dan tinggi dengan mengidentifikasi delapan variabel yang tersedia dikumpulkan untuk sebagian besar pasien dengan gagal jantung:

  1. Tekanan darah diastolik
  2. Kreatinin, produk limbah kimia kreatin, asam amino, diekskresikan dalam urin
  3. Nitrogen urea darah, produk limbah yang dihasilkan sebagai hasil pencernaan protein; indikator fungsi ginjal
  4. Hemoglobin, protein yang bertanggung jawab untuk mengangkut oksigen dalam darah
  5. Jumlah sel darah putih
  6. Trombosit, sejenis sel darah yang membantu membentuk gumpalan untuk menghentikan pendarahan
  7. Albumin, protein yang diproduksi hati yang membantu menjaga cairan dalam aliran darah dan tidak bocor ke jaringan lain
  8. Distribusi sel darah merah

Yagil mengatakan model yang baru dikembangkan mampu secara akurat memprediksi harapan hidup 88 persen dari waktu dan tampil jauh lebih baik daripada model yang diterbitkan populer lainnya. Hasilnya dipublikasikan online dalam edisi 12 November 2019 Jurnal Eropa Gagal Jantung.

"Alat ini memberi kita wawasan, misalnya, tentang kemungkinan bahwa pasien yang diberikan akan meninggal karena gagal jantung dalam tiga bulan atau satu tahun ke depan," kata Adler. "Ini sangat berharga. Ini memungkinkan kita untuk membuat keputusan berdasarkan metodologi yang terbukti dan tidak harus melihat ke bola kristal."

Alat itu juga diuji menggunakan data pasien yang tidak diidentifikasi dari University of California San Francisco dan basis data yang berasal dari 11 pusat medis Eropa. "Itu juga berhasil dalam kelompok itu," kata Yagil. "Mampu menyusun kembali temuan kami dalam populasi independen sangat penting, sehingga memvalidasi metodologi kami dan hasilnya."


"Perkembangan skor risiko menandai langkah maju yang penting bagi kami," kata Greenberg. "Kami tidak hanya menunjukkan bahwa kami dapat secara akurat memprediksi hasil pada pasien gagal jantung, kami mampu menghasilkan skor dari basis data rekam medis elektronik pasien di UC San Diego Health. Kami sekarang tahu bagaimana memanfaatkan basis data ini untuk mengatasi masalah lainnya." pertanyaan yang sangat penting bagi pasien kami. "

Ketiga peneliti mengatakan kemitraan antara fisikawan dan ahli jantung sangat penting untuk mengembangkan alat yang dapat diandalkan dan pengetahuan dan pengalaman yang luas dari kedua belah pihak terbukti sinergis.

"Ini merupakan kolaborasi yang luar biasa dengan dua kelompok yang biasanya tidak bergabung," kata Adler. "Temuan kami memerlukan validasi lebih lanjut, tetapi kami sangat senang memiliki hasil ini untuk membangun. Avi memiliki perspektif tangan pertama sebagai pasien dan motivasi yang kuat untuk membantu meningkatkan strategi dan pendekatan medis yang ada. Bekerja dengannya telah menjadi sorotan utama karir saya."

"Kami mengajari Avi cara berpikir sebagai ahli jantung dan dia mengajari kami cara berpikir seperti seorang fisikawan," kata Greenberg. "Wawasan yang dipelajari telah sangat memengaruhi perspektif saya tentang bagaimana memanfaatkan data besar untuk mencapai tujuan penelitian klinis yang penting."

"Saya kembali bermain olahraga dan menikmati hidup bersama keluarga saya setelah transplantasi jantung saya," kata Yagil. "Saya sangat berterima kasih kepada semua orang di UC San Diego Health yang menyelamatkan hidup saya dan merasa terhormat bahwa pengalaman pribadi saya telah mengarah pada kemitraan dan pengembangan yang dapat membantu orang lain."

Rekan penulis meliputi: Fima Macheret, Marcus Urey, Wenhong Zhu, Matevz Tadel, UC San Diego; Adriaan Voors dan Iziah Sama, Universitas Groningen; Liviu Klein, Universitas California San Francisco; Oscar Braun, Universitas Lund dan Rumah Sakit Universitas Skåne; dan Claudio Campagnari, Universitas California Santa Barbara.

You may also like...

Leave a Reply

This site uses Akismet to reduce spam. Learn how your comment data is processed.