In de sessie ‘Augmented Intelligence and Digital Health Advances’ presenteerde Jay Koyner (University of Chicago) een abstract over het multimodale deep-learningmodel dat hij en zijn collega’s ontwikkelden en valideerden. Het model bleek met gestructureerde en ongestructureerde data uit elektronische patiëntendossiers acuut nierfalen (AKI) stadium 2 goed te kunnen voorspellen.
Eerder ontwikkelde risico-algoritmes voor het voorspellen van acuut nierfalen (AKI) op basis van gegevens uit elektronische patiëntendossiers waren alleen gebaseerd op gestructureerde data, zoals vitale functies en laboratoriumwaarden. In de praktijk wordt echter ook gebruikgemaakt van klinische notities. Koyner en collega’s ontwikkelden en valideerden een deep-learningmodel om AKI te voorspellen op basis van zowel gestructureerde als ongestructureerde data uit klinische notities.
Dit deden ze met gegevens van volwassen patiënten die tussen 2009-2022 werden opgenomen in 2 universitaire ziekenhuizen (Wisconsin en Chicago Medicine). In het model werden 58 gestructureerde kenmerken gebruikt; ruwe tekst uit klinische notities werd gestandaardiseerd naar ‘Concept Unique Identifiers’ (CUI’s). De onderzoekers gebruikten een ‘intermediate fusion deep learning recurrent neuraal netwerk’ om AKI in stadium 2 of hoger (volgens de serumcreatininecriteria van KDIGO) in de komende 48 uur te voorspellen. Ze ontwikkelden het model op de eerste 80% van de data en valideerden het in de volgende 20%.
Het derivatiecohort bestond uit 339.998 patiënten, het validatiecohort uit 84.581 patiënten. In totaal ontwikkelden 12.748 (3%) deelnemers AKI. Gemiddeld waren deze patiënten ouder, vaker man, hadden op baseline een hogere serumcreatininewaarde en waren vaker opgenomen op de intensive care. CUI’s gerelateerd aan intubatie, beademing en luchtwegmanagement kwamen vaker voor bij deelnemers met AKI. De areas under the curve (AUC’s) voor AKI stadium 2 of hoger waren in de totale groep en in belangrijke subgroepen tussen de 0,83 en 0,88, wat aangeeft dat het model een goed onderscheidend vermogen heeft.