แบบจำลองความเสี่ยงแบบใหม่ ที่ใช้ปัญญาประดิษฐ์สามารถจำแนกความเสี่ยงต่อการเกิดภาวะหัวใจล้มเหลว (Heart failure) ของผู้ป่วยได้ชัดเจนมากขึ้นกว่าแบบจำลองมาตรฐานเดิม ช่วยทำนายการเสียชีวิตในโรงพยาบาลของผู้ป่วยผิวสี ที่นอนโรงพยาบาลด้วยภาวะหัวใจล้มเหลว นอกจากนี้พบว่าการเพิ่มตัวชี้วัดสุขภาพทางด้านสังคม (Social determinants of health, SDOH) เข้าไปในแบบจำลองนี้มีประโยชน์ในการทำนายพยากรณ์โรคในผู้ป่วยผิวสีได้ดียิ่งขึ้น
การจัดกลุ่มผู้ป่วยตามความเสี่ยงต่อภาวะหัวใจล้มเหลวโดยใช้แบบจำลองความเสี่ยงมาตรฐาน (Random forest-based machine learning model) ที่มีอยู่เดิม ทำให้ผู้ป่วยผิวสีอยู่ในเกณฑ์ที่มีความเสี่ยงน้อยกว่า ซึ่งมีผล คือ ผู้ป่วยกลุ่มนี้จะไม่ได้รับการรักษาที่เหมาะสมนอกเหนือไปจากการรักษาตามระดับความเสี่ยง ทางผู้วิจัยจึงคิดค้นและสร้างแบบจำลองความเสี่ยงต่อภาวะหัวใจล้มเหลวแบบใหม่ (Novel machine learning-based models) โดยใช้เครื่องมือจักรกลในการเรียนรู้หรือเรียกว่าปัญญาประดิษฐ์ (Artificial intelligence; AI) ผู้วิจัยต้องการศึกษาว่าแบบจำลองแบบใหม่นี้ที่มีการเพิ่มตัวชี้วัดสุขภาพด้านสังคมเข้าไปด้วย จะช่วยทำนายการเสียชีวิตในโรงพยาบาลในผู้ป่วยที่มีภาวะหัวใจล้มเหลวได้ดีขึ้นหรือไม่
งานวิจัยชิ้นนี้จัดทำโดยนายแพทย์ Segar และคณะ ที่ Texas Heart Institute ในเมือง Houston ประเทศสหรัฐอเมริกา งานวิจัยได้รับการตีพิมพ์ในวารสาร JAMA cardiology เมื่อวันที่ 6 เดือนกรกฎาคม ค.ศ. 2022 ผู้วิจัยทำการเก็บข้อมูลย้อนหลังจากฐานข้อมูล the Get with The Guidelines-Heart Failure registry (GWTG-HF) ตั้งแต่วันที่ 1 มกราคม ค.ศ. 2010 ถึงวันที่ 31 มกราคม ค.ศ. 2020 ประกอบด้วยผู้ป่วยที่นอนโรงพยาบาลด้วยภาวะหัวใจล้มเหลวที่มีอาการเลวลง (Acute decompensated heart failure) จำนวนทั้งสิ้น 123,634 ราย ผู้วิจัยทำการสร้างแบบจำลองปัญญาประดิษฐ์เพื่อทำนายความเสี่ยงต่อการเกิดภาวะหัวใจล้มเหลวในระดับรหัสไปรษณีย์ (zip-code level) โดมเพิ่มปัจจัยทางด้านสังคมเข้าไปในแบบจำลอง ได้แก่ รายได้ของครัวเรือน จำนวนของคนในครอบครัวที่มีระดับการศึกษาไม่ถึงระดับมัธยมศึกษาตอนปลาย ความยากจน อัตราการว่างงาน และปัจจัยอื่น ๆ ผลพบว่า แบบจำลองนี้มีประสิทธิภาพที่ดีเยี่ยมหลังจากทำการทดสอบความเที่ยงตรงภายใน ภายนอกและโลกเสมือนจริง และมีประสิทธิภาพที่ดีกว่าแบบจำลองอื่นที่ทดสอบทั้งในผู้ป่วยผิวสีและไม่ใช่ผิวสี ในส่วนของตัวชี้วัดด้านสังคมนั้น ผลการวิจัยพบว่าในผู้ป่วยที่มีผิวสีมีความแตกต่างของความเสี่ยง (Attributable risk) ต่อการเสียชีวิตในโรงพยาบาลที่มากกว่ากลุ่มไม่ใช่ผิวสีอย่างมีนัยสำคัญ ในข้อมูลกลุ่มผู้ป่วยผิวสี พบว่า มีตัวชี้วัดทางสังคมจำนวน 5 ตัวชี้วัดที่อยู่ใน 20 อันดับแรกของปัจจัยทำนายการเสียชีวิต ได้แก่ ระดับรายได้เฉลี่ย อัตราการว่างงาน สัดส่วนของประชากรที่ระดับการศึกษาไม่ถึงระดับมัธยมศึกษาตอนปลาย และสัดส่วนของประชากรที่มีอายุมากกว่า 65 ปี โดยเมื่อเปรียบเทียบกับกลุ่มผู้ป่วยที่ไม่ใช่ผิวสีพบว่ามีเพียง สัดส่วนของประชากรที่มีอายุมากกว่า 65 ปี เพียงตัวชี้วัดเดียวที่อยู่ใน 20 อันดับแรกของปัจจัยทำนายการเสียชีวิต
แบบจำลองนี้เป็นเกณฑ์ใหม่ที่ใช้ทำนายความเสี่ยงแก่ผู้ป่วย โดยรวบรวมข้อมูลพื้นฐานของประชากร โรคประจำตัว และตัวชี้วัดทางสังคมเข้าด้วยกัน ควรมีการศึกษาในภายภาคหน้าเพื่อให้เข้าใจว่าเหตุใดตัวชี้วัดทางด้านสังคมจึงส่งผลให้เกิดความเสี่ยงต่อการเสียชีวิตของผู้ป่วย แบบจำลองนี้อาจมีประโยชน์ในแง่การนำไปใช้เพื่อช่วยลดความแตกต่างทางด้านเชื้อชาติและชาติพันธุ์ในระบบการดูแลสุขภาพ อคติในการตัดสินใจการรักษาที่อาจเกิดขึ้น และการเฉื่อยชาของแพทย์ในการให้ยารักษาหากผู้ป่วยสามารถจ่ายค่ารักษาได้จำกัด
- https://www.medscape.com/viewarticle/977272?src=
- Segar MW, Hall JL, Jhund PS, et al. Machine Learning–Based Models Incorporating Social Determinants of Health vs Traditional Models for Predicting In-Hospital Mortality in Patients With Heart Failure. JAMA Cardiol.Published online July 06, 2022. doi:10.1001/jamacardio.2022.1900
