Durante l'intervento chirurgico, gli anestesisti monitorano e gestiscono i pazienti per assicurarsi che siano al sicuro e respirino bene. Ma questi medici non possono sempre prevedere quando sorgeranno complicazioni.

Ora i ricercatori dell'Università di Washington hanno sviluppato un nuovo sistema di apprendimento automatico, chiamato Prescienza, che utilizza l'input dai grafici dei pazienti e dai sensori standard della sala operatoria per prevedere la probabilità che un paziente sviluppi ipossiemia, una condizione in cui i livelli di ossigeno nel sangue scendono leggermente al di sotto del normale. L'ipossiemia può portare a gravi conseguenze, come infezioni e comportamento anomalo del cuore.

La prescienza fornisce anche spiegazioni del mondo reale dietro le sue previsioni. Con queste informazioni, gli anestesisti possono capire meglio perché un paziente è a rischio di ipossiemia e prevenirla prima che accada. Il gruppo, che pubblicherà i suoi risultati il ​​10 ottobre in Ingegneria biomedica della natura , stima che Prescience potrebbe migliorare la capacità degli anestesisti di anticipare e prevenire 2,4 milioni di casi di ipossiemia in più negli Stati Uniti ogni anno.

"I moderni metodi di apprendimento automatico spesso si limitano a sputare fuori un risultato di previsione. Non ti spiegano quali caratteristiche del paziente hanno contribuito a quella previsione, " ha detto Su-In Lee, professore associato presso la Paul G. Allen School of Computer Science &Engineering della UW e autore senior dell'articolo. "Il nostro nuovo metodo apre questa scatola nera e in realtà ci consente di capire perché due diversi pazienti potrebbero sviluppare ipossiemia. Questo è il potere".

Lee e Scott Lundberg, uno studente di dottorato alla Allen School, ha iniziato il progetto incontrando i collaboratori di UW Medicine per scoprire di cosa avevano bisogno in sala operatoria.

"Una delle cose che hanno detto gli anestesisti è stata:'Non siamo davvero soddisfatti solo di una previsione. Vogliamo sapere perché, '", ha detto Lee. "Quindi questo ci ha fatto pensare."

Lee e Lundberg hanno deciso di creare un sistema di apprendimento automatico che potesse sia fare previsioni che spiegarle. Primo, hanno acquisito un set di dati di 50, 000 interventi chirurgici reali dall'Università di Washington e dai centri medici di Harborview a Seattle. Questi dati includono informazioni sull'assunzione del paziente come età e peso, nonché informazioni in tempo reale, informazioni minuto per minuto:frequenza cardiaca, livelli di ossigeno nel sangue e altro, durante gli interventi chirurgici. Gli scienziati hanno usato tutti questi dati per insegnare a Prescience a fare previsioni.

Il team voleva che Prescience risolvesse due diversi tipi di problemi. La prescienza aveva bisogno di esaminare le informazioni preoperatorie e prevedere se un dato paziente avrebbe avuto ipossiemia mentre era sotto anestesia. La prescienza doveva anche prevedere l'ipossiemia in qualsiasi momento durante l'intervento chirurgico, osservando le informazioni in tempo reale. Finalmente, Lee e Lundberg hanno sviluppato un nuovo approccio per addestrare Prescience per generare spiegazioni comprensibili dietro le sue previsioni.

Per i dati preoperatori, La prescienza ha scoperto che l'indice di massa corporea era una caratteristica importante che ha contribuito a prevedere che un paziente avrebbe sperimentato l'ipossiemia durante l'intervento chirurgico. Ma durante l'intervento chirurgico, gli stessi livelli di ossigeno nel sangue hanno contribuito maggiormente a una previsione.

Con queste informazioni in mente, era tempo di mettere alla prova la Prescienza.

Lee e Lundberg hanno creato un'interfaccia web che gestiva gli anestesisti attraverso casi pre-chirurgici e in tempo reale da interventi chirurgici nel set di dati che non erano stati utilizzati per addestrare Prescience. Per il test in tempo reale, i ricercatori hanno scelto specificamente casi difficili da prevedere, come quando il livello di ossigeno nel sangue di un paziente è stabile per 10 minuti e poi scende.

"Volevamo sapere se questo sarebbe stato informativo per gli anestesisti, " disse Lundberg, chi è il primo autore sulla carta. "Quindi per alcuni dei loro casi, hanno ottenuto una barra di informazioni aggiuntive da Prescience."

La prescienza ha migliorato la capacità dei medici di prevedere correttamente il rischio di ipossiemia di un paziente del 16% prima di un intervento chirurgico e del 12% in tempo reale durante un intervento chirurgico. Globale, con l'aiuto della Prescienza, gli anestesisti sono stati in grado di distinguere correttamente tra i due scenari quasi l'80% delle volte sia prima che durante l'intervento.

"Questa ricerca ci consentirà di anticipare meglio le complicanze e di indirizzare il nostro trattamento a ciascun paziente, " ha detto la co-autrice Dr. Monica Vavilala, professore di anestesiologia e medicina del dolore presso la UW School of Medicine e direttore dell'Harborview Injury Prevention &Research Center. "Se sappiamo che c'è un aspetto che sta causando il problema, allora possiamo avvicinarci a quello prima e più rapidamente. Questo potrebbe davvero cambiare il modo in cui ci alleniamo, quindi questo è davvero un grosso problema".

La prescienza non è ancora pronta per essere in sala operatoria. Lee e Lundberg intendono continuare a lavorare con gli anestesisti per migliorare Prescience e dargli un'interfaccia intuitiva e utile. Inoltre, il team spera che le versioni successive di Prescience saranno in grado di prevedere altre condizioni dannose, come la pressione bassa, e consigliare piani di trattamento.

Indipendentemente dal futuro di Prescience, un punto è chiaro:questa tecnologia ha lo scopo di aiutare gli anestesisti a prendersi più cura dei loro pazienti, ha detto Lundberg.

"La prescienza non tratta nessuno, " ha detto. "Invece ti dice perché è preoccupato, che quindi consente al medico di prendere decisioni terapeutiche migliori".