🤔Что нам нужно от ИИ в поликлинике?
Сегодня на сессии обсуждали разные аспекты ИИ в медицине, но основной фокус был на его возможностях для пациента поликлиники или того, кто еще не стал пациентом.
После сессии кратко посмотрела китайские работы🇨🇳, в части ИИ в первичном звене. Два направления выглядят особенно прикладными.
1. Динамические шкалы сердечно-сосудистого риска.
В китайской когорте из 16 378 пациентов с сахарным диабетом 2 типа разработали модель 10-летнего риска сердечно-сосудистой смерти, нефатального инфаркта и инсульта. В отличие от обычных шкал, она использовала не только исходные данные, но и четырехлетнюю динамику факторов риска. Такая модель лучше разделяла пациентов на группы риска, чем China-PAR и PREVENT.
2. Оценка коморбидности
В выборке более 300 тысяч пациентов с диабетом из юго-западного Китая ИИ-модель оценивала риск присоединения ишемической болезни сердца. В число девяти ключевых факторов вошли возраст, отношение окружности талии к росту, ИМТ, инсульт в анамнезе, курение, хронические болезни легких и употребление алкоголя.
Для первичного звена ценность таких моделей не в том, чтобы получить еще одну цифру риска, а в том, чтобы понять: кого наблюдать активнее, кому раньше корректировать лечение и кого своевременно направлять дальше. Вот сразу наша система приоритизации коморбидных пациентов приходит на ум.
Сегодня на сессии обсуждали разные аспекты ИИ в медицине, но основной фокус был на его возможностях для пациента поликлиники или того, кто еще не стал пациентом.
После сессии кратко посмотрела китайские работы🇨🇳, в части ИИ в первичном звене. Два направления выглядят особенно прикладными.
1. Динамические шкалы сердечно-сосудистого риска.
В китайской когорте из 16 378 пациентов с сахарным диабетом 2 типа разработали модель 10-летнего риска сердечно-сосудистой смерти, нефатального инфаркта и инсульта. В отличие от обычных шкал, она использовала не только исходные данные, но и четырехлетнюю динамику факторов риска. Такая модель лучше разделяла пациентов на группы риска, чем China-PAR и PREVENT.
2. Оценка коморбидности
В выборке более 300 тысяч пациентов с диабетом из юго-западного Китая ИИ-модель оценивала риск присоединения ишемической болезни сердца. В число девяти ключевых факторов вошли возраст, отношение окружности талии к росту, ИМТ, инсульт в анамнезе, курение, хронические болезни легких и употребление алкоголя.
Для первичного звена ценность таких моделей не в том, чтобы получить еще одну цифру риска, а в том, чтобы понять: кого наблюдать активнее, кому раньше корректировать лечение и кого своевременно направлять дальше. Вот сразу наша система приоритизации коморбидных пациентов приходит на ум.
Но интересно, что многие проблемы у нас очень схожи: клиники закупают ИИ, но не все врачи используют, опять же цифровая грамотность и необходимость нон-стоп обучения врачей .