NIVPredict: Công cụ AI dự đoán sớm kết quả thở máy không xâm lấn (NIV) ở bệnh nhân suy hô hấp cấp tính.

Bs Lê Văn Tuấn - 

Bệnh nhân suy hô hấp cấp (ARF) không đáp ứng với thở máy không xâm lấn (NIV) và sau đó cần đặt nội khí quản phải đối mặt với nguy cơ tử vong cao hơn đáng kể. Hiện tại không có hướng dẫn lâm sàng chính thức nào để hỗ trợ các bác sĩ lâm sàng xác định kịp thời những bệnh nhân nào có khả năng không đáp ứng với NIV cao nhất. Các công cụ chấm điểm lâm sàng hiện có, bao gồm điểm HACOR, điểm HACOR cập nhật và chỉ số ROX, đều có những hạn chế: giá trị ngưỡng tối ưu của chúng không chắc chắn, khả năng phân biệt của chúng khác nhau giữa các nhóm bệnh nhân và loại bệnh, và chúng thường loại trừ các nhóm bệnh nhân quan trọng như những người bị suy hô hấp tăng CO2 máu do đợt cấp của bệnh phổi tắc nghẽn mãn tính (COPD) hoặc hội chứng giảm thông khí do béo phì (OHS). Các mô hình học máy được sử dụng trước đây cũng chỉ giới hạn ở những bệnh nhân bị suy hô hấp giảm oxy máu cấp tính mới khởi phát, và chưa có mô hình nào được đánh giá về khả năng sử dụng thực tiễn trong môi trường bệnh viện thực tế.

Để giải quyết những thiếu sót này, các nhà nghiên cứu đã phát triển NIVPredict, một công cụ trí tuệ nhân tạo dựa trên web được thiết kế để dự đoán kết quả NIV trong vòng hai giờ kể từ khi bắt đầu điều trị trên một nhóm bệnh nhân rộng lớn và đa dạng về mặt lâm sàng. Công cụ này được xây dựng trên mô hình học máy Tabular Prior-Data Fitted Network (TabPFN). Không giống như nhiều thuật toán học máy yêu cầu tập dữ liệu lớn và huấn luyện lại nhiều lần, TabPFN có thể tạo ra các dự đoán bằng cách tận dụng kiến ​​thức thu được từ hàng nghìn nhiệm vụ tổng hợp trong quá trình huấn luyện trước, giảm gánh nặng tính toán và nguy cơ quá khớp. Công cụ này được triển khai dưới dạng ứng dụng có thể truy cập trên trình duyệt, có thể sử dụng trên điện thoại thông minh, máy tính bảng hoặc máy tính xách tay, và đưa ra dự đoán ngay lập tức về sự thành công hay thất bại của NIV kèm theo điểm số độ tin cậy đã được hiệu chỉnh.

Nghiên cứu đã thu thập dữ liệu từ 38 bệnh viện thuộc bốn quốc gia (Vương quốc Anh, Ý, Tây Ban Nha và Brazil), được bổ sung bằng dữ liệu từ cơ sở dữ liệu MIMIC-IV công khai của Hoa Kỳ. Thất bại của NIV được định nghĩa là cần đặt nội khí quản hoặc tử vong trong vòng bảy ngày kể từ khi bắt đầu NIV. Các phép đo sinh lý được thu thập tại hai thời điểm: T0 (ban đầu, trong vòng sáu giờ trước khi bắt đầu NIV) và T1 (một đến hai giờ sau khi bắt đầu NIV). Mô hình được huấn luyện bằng dữ liệu từ 665 bệnh nhân suy hô hấp cấp (ARF) được chọn từ thử nghiệm lâm sàng ngẫu nhiên RENOVATE ở Brazil, bao gồm ARF giảm oxy máu (bao gồm cả bệnh nhân COVID-19 và bệnh nhân suy giảm miễn dịch) và ARF tăng CO2 máu do đợt cấp COPD. Việc thẩm định bên ngoài được thực hiện trên một tập dữ liệu riêng biệt gồm 422 bệnh nhân từ Ý, Tây Ban Nha và Hoa Kỳ.

Tính khả dụng thực tiễn của NIVPredict đã được các bác sĩ lâm sàng tại Bệnh viện Đại học North Midlands NHS Trust (UHNM) ở Anh đánh giá. Trong giai đoạn này, công cụ đã được áp dụng cho dữ liệu từ 57 bệnh nhân ARF đủ điều kiện đang được điều trị bằng NIV ở cả khoa nội trú và khoa hồi sức tích cực (42 trường hợp NIV thành công so với 15 trường hợp NIV thất bại), với các nguyên nhân chủ yếu bao gồm COPD, viêm phổi mắc phải trong cộng đồng, nhiễm trùng huyết và hội chứng giảm thông khí do béo phì (OHS).

NIVPredict luôn vượt trội hơn tất cả các chỉ số lâm sàng thông thường trong mọi thiết lập kiểm định. Trong quá trình kiểm định chéo 5 lần lặp lại nội bộ, công cụ này đạt được độ chính xác cân bằng là 78,9%, so với 0,717% và 68,7% của chỉ số lâm sàng hoạt động tốt nhất (điểm HACOR cập nhật). Trong quá trình kiểm định đa trung tâm bên ngoài, NIVPredict đạt được độ chính xác cân bằng là 74,5%, so với 0,709% và 63,7% của điểm HACOR cập nhật. Quá trình hiệu chỉnh mạnh mẽ, và phân tích đường cong quyết định đã xác nhận lợi ích lâm sàng ròng lớn hơn trên một phạm vi rộng các ngưỡng quyết định so với các chiến lược thông thường.

Hiệu suất cao nhất được ghi nhận trong quá trình thử nghiệm nội trú tại UHNM, nơi NIVPredict đạt độ chính xác 84,2%, độ nhạy 86,7%, độ đặc hiệu 83,3% và AUC là 0,858, với điểm Brier xuất sắc là 0,093. Khi giới hạn dự đoán chỉ đối với các trường hợp có điểm tin cậy của công cụ vượt quá 60% (51 trong số 57 bệnh nhân), độ chính xác tăng lên 90,2%. Ngược lại, cả điểm HACOR và Updated HACOR đều cho kết quả kém tại UHNM, nơi bệnh nhân chủ yếu mắc COPD hoặc OHS, với độ chính xác cân bằng chỉ lần lượt là 67,6% và 65,0%.

Các tác giả cho rằng ưu điểm vượt trội của NIVPredict so với các chỉ số hiện có là nhờ việc sử dụng các diễn biến sinh lý theo thời gian thay vì các phép đo tĩnh tại một thời điểm duy nhất. Công cụ này được xem như một công cụ hỗ trợ ra quyết định hơn là một công cụ chỉ định điều trị; các bác sĩ lâm sàng vẫn chịu hoàn toàn trách nhiệm về các quyết định điều trị, và các tác giả không đề xuất bất kỳ ngưỡng rủi ro cụ thể nào.

Nhìn chung, NIVPredict thể hiện một bước tiến đáng kể trong việc dự đoán lâm sàng kết quả thở máy không xâm lấn (NIV) trên nhiều nguyên nhân gây suy hô hấp cấp (ARF), bao gồm cả suy hô hấp do thiếu oxy và tăng CO2 máu. Chỉ sử dụng các phép đo được thu thập thường xuyên trước và trong vòng hai giờ sau khi bắt đầu NIV, công cụ này đã chứng minh khả năng dự đoán mạnh mẽ và chính xác, vượt trội hơn hẳn so với tất cả các thang điểm và chỉ số lâm sàng dựa trên ngưỡng hiện có trong tất cả các trường hợp được thử nghiệm. Tính khả dụng thực tiễn của nó đã được xác nhận thông qua thử nghiệm trực tiếp tại bệnh viện bởi nhân viên lâm sàng. Các tác giả kết luận rằng những kết quả này cung cấp cơ sở lý luận vững chắc cho các nghiên cứu đa trung tâm, tiền cứu trong tương lai để đánh giá khả năng của NIVPredict trong việc nâng cao quyết định lâm sàng và cuối cùng là cải thiện kết quả điều trị cho bệnh nhân.

Nguồn:  https://healthmanagement.org/c/icu/News/nivpredict-ai-tool-for-early-prediction-of-niv-outcome-in-acute-respiratory-failure