2024年8月29日-?美国整形外科学会(ASPS)官方医学杂志《整形与重建外科?》8月刊上的一项研究报告称，一种机器学习算法在预测手部手术后持续使用阿片类药物的风险方面表现良好。该杂志由威科集团(Wolters Kluwer)在Lippincott投资组合中出版。
“我们发现机器学习模型在识别手部手术患者方面表现良好，这些患者更有可能成为持久的阿片类药物使用者，”美国儿科学会成员、密歇根大学安娜堡分校的外科医生凯文·c·钟(Kevin C. Chung)说。“这可能为识别高风险患者和实施预防阿片类药物成瘾的措施提供更有效的策略。同样，人工智能的使用可以促进更个性化的方法，为接受特定手术的特定患者开出最佳剂量的正确止痛药。”
两种机器学习模型被测试用于预测阿片类药物的持续使用
该研究评估了之前描述的两种机器学习模型:一种使用来自密歇根基因组计划(MGI)的患者报告数据，另一种基于保险索赔数据。这些模型首先在普通手术患者的大样本中进行了评估，然后在接受手部手术(如腕管或手腕骨折手术)的患者中进行了评估。
这项研究的重点是，机器学习模型能否根据手术后6个月的处方，预测哪些患者会持续使用阿片类药物。MGI模型包括889名患者，其中约一半以前使用过阿片类药物。索赔模型仅限于439名“阿片类药物新手”患者，近期未使用阿片类药物。
在MGI模型中，包括以前的阿片类药物使用者，21%的患者持续使用阿片类药物。在排除先前阿片类药物使用者的保险索赔模型中，10%的患者持续使用阿片类药物。
在“曲线下面积”分析中，MGI模型在识别持续使用阿片类药物的患者方面表现非常好:84%在手部手术数据训练的模型中，85%在普通外科人群中。相比之下，在索赔模型中，基于手部手术数据的预测能力为69%，而在完整数据集中仅为52%。
机器学习可以简化术后阿片类药物风险的评估
在MGI模型中，术前有阿片类药物处方是术后阿片类药物使用的最强预测因子。其他预测因素包括全身疼痛和氢可酮的处方——一种相对有效的阿片类药物，通常用于治疗术后疼痛。
与其他类型的手术一样，持续使用阿片类药物对手部手术患者有风险。尽管已经确定了一些危险因素，但鉴于患者群体的多样性和手术复杂性的变化，评估术后阿片类药物风险是一个具有挑战性和耗时的过程。这项新研究表明，机器学习可以提供一种更综合、更直接的方法来识别高风险患者。
包括病人报告的诸如疼痛和心理健康等因素的数据的模型——比如MGI收集的数据——似乎提供了最高的预测价值。研究人员写道:“通过访问全面的数据集，机器学习有可能简化对影响患者术后疼痛体验的详细因素的识别和分析。”
作者指出了他们研究的一些局限性，这可能无法反映阿片类药物流行导致的处方模式的变化。钟博士和合著者总结道:“在实践中，这些模型可以作为决策支持工具来实施，帮助临床医生有效地识别最容易上瘾和需要量身定制的疼痛管理或咨询的患者。”
阅读文章:预测手部手术后持续使用阿片类药物:一种机器学习方法
