Modeli mašinskog učenja mogu da informišu pacijente i kliničare o prognozi nakon operacije hernije lumbalnog diska, prema studiji objavljenoj na internetu 7. februara u JAMA Netvork Open.
Bjornar Berg, doktor nauka, sa Univerziteta Metropolitan u Oslu u Norveškoj, i kolege su razvili i potvrdili modele predviđanja za invalidnost i bol 12 meseci nakon operacije hernije lumbalnog diska u prospektivnoj prognostičkoj studiji zasnovanoj na registru. Analiza je obuhvatila 22.707 hirurških slučajeva (21.161 pacijent) u Norveškom registru za hirurgiju kičme.
Istraživači su otkrili da je procenat slučajeva koji su doživjeli neuspješno liječenje iznosio 33, 27 i 31 posto na osnovu poboljšanja Osvestrijevog indeksa invaliditeta (ODI), Numeričke skale ocenjivanja (NRS) bolova u leđima i NRS bolova u nogama, respektivno.
U svih pet geografskih regiona, odabrani modeli mašinskog učenja pokazali su doslednu diskriminaciju i kalibraciju u internoj i eksternoj unakrsnoj validaciji. Za ODI model, C-statistika se kretala od 0,81 do 0,84.
U svim regionima, nagibi kalibracije (procene tačaka, 0,94 do 1,03) i preseci kalibracije (procene tačaka, -0,05 do 0,11) su takođe bili konzistentni. C-statistika se kretala od 0,75 do 0,80 za NRS bol u leđima i od 0,74 do 0,77 za NRS bol u nogama.
„Modeli su bili zasnovani na rutinski dostupnim preoperativnim prediktorima, što ih čini lako podložnim daljoj eksternoj validaciji u drugim registrima kičme i potencijalno implementiranim u sistemima elektronskih medicinskih zapisa kako bi se informisala o individualnoj prognozi i pomoći u donošenju hirurških odluka“, pišu autori.
