AI kan helpen bij het bepalen van chirurgische kandidatuur van LSS-patiënten tot een vergelijkbaar niveau als panel van wervelkolomdeskundigen

Raphael Mourad

Kunstmatige intelligentie (AI) kan worden gebruikt om efficiëntie en automatisering te brengen in het besluitvormingsproces voor het bepalen van chirurgische kandidatuur voor mensen met lumbale spinale stenose (LSS), met prestaties die vergelijkbaar zijn met een multidisciplinair panel van artsen. Dit is de belangrijkste bevinding van nieuw onderzoek gepubliceerd in de European Spine Journal door Raphael Mourad (Remedy Logic, New York, VS) et al.

De studie toonde ook aan dat beeldvorming in combinatie met bepaalde klinische variabelen zoals motorische stoornissen en pijn de belangrijkste voorspellers zijn van een operatiekandidatuur.

Volgens het onderzoeksteam “aangezien artsen en andere zorgverleners voorafgaande goedkeuring van een zorgverzekeraar moeten krijgen voor een specifieke dienst, zou ons model een belangrijk instrument kunnen zijn voor snelle en efficiënte beslissingen tegen beperkte kosten”.

De onderzoekers stelden een nieuw hybride AI-model voor dat de waarschijnlijkheid van spinale chirurgische aanbevelingen voor LSS berekent, op basis van demografische factoren van de patiënt, klinische symptoommanifestaties en bevindingen met magnetische resonantiebeeldvorming (MRI).

Het hybride model combineert een willekeurig bosmodel dat is getraind op basis van medische vignetgegevens die zijn beoordeeld door chirurgen, met een deskundig Bayesiaans netwerkmodel dat is opgebouwd uit peer-reviewed literatuur en de deskundige adviezen van een multidisciplinair team in spinale chirurgie, revalidatiegeneeskunde, interventionele en diagnostische radiologie. Sets van 400 en 100 medische vignetten die door chirurgen werden beoordeeld, werden gebruikt voor training en testen.

Er werd een onafhankelijk panel samengesteld van vijf ruggengraatchirurgen (collega-opgeleide ruggengraatchirurgen met meer dan vijf jaar praktijkervaring). Het panel beoordeelde de 500 medische vignetten om de waarschijnlijkheid van een chirurgische aanbeveling voor elk vignet te bepalen.

Ze ontdekten dat het model een hoge voorspellende nauwkeurigheid vertoonde, met een gemiddelde kwadratische fout (RMSE) tussen modelvoorspellingen en grondwaarheid van 0,0964, terwijl de gemiddelde RMSE tussen de aanbevelingen van individuele artsen en grondwaarheid 0,1940 was.

Voor dichotome classificatie was het gebied onder de receiver-operationele karakteristiek (AUROC) en Cohen’s kappa 0,9266 en 0,6298, terwijl de overeenkomstige gemiddelde statistieken op basis van de aanbevelingen van individuele artsen respectievelijk 0,8412 en 0,5659 waren.

Spreken met Spinal News International, Andrej Rusakov, CEO van Remedy Logic, zei: “Wij zijn van mening dat het democratiseren van toegang tot ‘s werelds beste klinische expertise het ontvangen van medisch advies van hoge kwaliteit wereldwijd rechtvaardiger zal maken. We hebben de kennis van de toonaangevende orthopedische en neurochirurgen in de VS gebundeld in een AI die we voor een fractie van de kosten beschikbaar willen stellen aan iedereen met een internetverbinding. We werken eraan om onafhankelijk, onbevooroordeeld en zeer nauwkeurig medisch advies beschikbaar te maken voor iedereen over de hele wereld.”

Leave a Comment