Wprowadzenie
Idiopatyczna wielocentryczna choroba Castlemana (iMCD) to ultra rzadkie zaburzenie limfoproliferacyjne, trudne do rozpoznania ze względu na jego rzadkość (częstość występowania 6,9-9,7 przypadków na milion w Stanach Zjednoczonych) oraz brak świadomości wśród lekarzy. Mediana czasu między pojawieniem się objawów a diagnozą iMCD w Brazylii szacowana jest na 18 miesięcy. Proponujemy, że algorytm oparty na sztucznej inteligencji (AI), pracujący nad elektroniczną dokumentacją medyczną, może pomóc w identyfikacji pacjentów podejrzewanych o chorobę Castlemana, którzy zostali przeoczeni podczas oceny medycznej.
Metody
Po pierwsze, objawy wymienione w kryteriach CDCN iMCD [Fajgenbaum DC i in. Blood. 2017; 129(12):1646-57] zostały zdefiniowane przez terminy medyczne. Definicja medyczna zawierała ICD – 10 kodów, wyniki badań laboratoryjnych oraz zwroty, które można znaleźć w tekstach medycznych (opisy badań obrazowych, wywiadów, epikryzysów). Modele SPACY z opracowanymi wyrażeniami regularnymi (regex) zostały użyte do identyfikacji frazów (bytów) przypisanych do objawów w nieustrukturyzowanych tekstach medycznych. Kontekst bytu zdefiniowany jako negacja, relacja rodzinna, zdarzenie historyczne lub hipotetyczne został określony przez model BERTH, który przeszedł dodatkowe szkolenia na bazie Saventic. Pacjenci byli klasyfikowani na podstawie objawów, które posiadali. Pacjenci byli klasyfikowani dopiero wtedy, gdy zidentyfikowano limfadenopatię, a osoby już zdiagnozowane z iMCD (cztery przypadki) były wykluczane. Lekarze specjalizujący się w iMCD prowadzili przegląd kart pacjentów z najwyższym wynikiem.
Wyniki
Algorytm przebadał 594 953 kart pacjentów z trzeciego stopnia brazylijskiego szpitala, a cechy kliniczne i/lub laboratoryjne iMCD zidentyfikowano u 102 pacjentów, którzy mieli wyższe prawdopodobieństwo zachorowania na iMCD. Spośród nich 12 miało warunki naśladowcze z nakładającymi się cechami iMCD, a trzy kolejne wymagały dalszej oceny.
Podsumowanie
To narzędzie oparte na AI było w stanie zidentyfikować pacjentów z cechami iMCD. Badanie tym narzędziem wykazało co najmniej trzech kandydatów do dodatkowej oceny. W przyszłości algorytmy takie jak ten prezentowany mogą ułatwić badania przesiewowe w kierunku iMCD.
Autorzy
Antonio Adolfo Guerra Soares Brandão, Danielle Leão Cordeiro De Farias, Michał Konopelko, Wojciech Amtmański, Mikolaj Mroz, Aleksandra Jurczuk, Maciej Majewski, Lukasz Szukalski, Grzegorz Basak, Bianca Milena Verboski, Caio Lopes de Assunção, Karol Lis, Michal Jerzy Dabrowski, Marek Dudziński
Pobierz pełną publikację: Algorytm oparty na sztucznej inteligencji do diagnozy idiopatycznej wielocentrycznej choroby Castlemana w kraju o niższych średnich dochodach | Krew | Amerykańskie Towarzystwo Hematologiczne
