Un modello di apprendimento profondo per prevedere la mortalità a 30 giorni nei pazienti con polmonite acquisita in comunità tramite radiografie del torace

In uno studio recente pubblicato sull'American Journal of Roentgenology, i ricercatori hanno sviluppato un modello di apprendimento profondo (DL) per stimare il rischio di mortalità a 30 giorni nei pazienti con polmonite acquisita in comunità (CAP) utilizzando radiografie del torace ottenute per la diagnosi come input. Hanno inoltre convalidato le prestazioni del modello tra i pazienti provenienti da diverse istituzioni e periodi. Lo studio ha coinvolto la ricerca nei registri medici elettronici di un'unica istituzione di riferimento terziaria di individui che hanno ricevuto la diagnosi di CAP durante qualsiasi incontro sanitario tra marzo 2013 e dicembre 2019. Il modello è stato sviluppato per prevedere i rischi di mortalità a 30 giorni per qualsiasi causa per i pazienti con CAP utilizzando le loro radiografie del torace iniziali. La squadra ha valutato il modello di apprendimento profondo tra individui diagnosticati con polmonite acquisita in comunità nei dipartimenti di emergenza presso l'istituzione in cui è stata effettuata la diagnosi del gruppo di sviluppo tra gennaio e dicembre 2020 (gruppo di test temporale, 947 individui). Hanno inoltre valutato il modello presso altre due istituzioni, ossia il Seoul Metropolitan Government-Seoul National University Boramae Medical Center (gruppo di test esterno A, 467 individui) tra gennaio e marzo 2020, e il Chung-Ang University Hospital (gruppo di test esterno B, 381 individui) tra marzo 2019 e ottobre 2021. Il modello di apprendimento profondo è stato ideato con un rapporto di partecipanti di 3,0: 1,0: 1,0 tra il gruppo di sviluppo, il gruppo di test esterno A e il gruppo di test esterno B. Il modello è stato confrontato con lo strumento CURB-65 e i risultati dell'approccio combinato sono stati valutati mediante modellizzazione di regressione logistica.