Algoritma yang Memprediksi Infeksi Mematikan Sering Cacat


Sebuah komplikasi dari infeksi yang dikenal sebagai sepsis adalah pembunuh nomor satu di rumah sakit AS. Jadi tidak mengherankan bahwa lebih dari 100 sistem kesehatan menggunakan sistem peringatan dini yang ditawarkan oleh Epic Systems, penyedia catatan kesehatan elektronik AS yang dominan. Sistem mengeluarkan peringatan berdasarkan formula eksklusif tanpa lelah mengawasi tanda-tanda kondisi dalam hasil tes pasien.

Tetapi sebuah studi baru menggunakan data dari hampir 30.000 pasien di rumah sakit Universitas Michigan menunjukkan sistem Epic berkinerja buruk. Para penulis mengatakan itu melewatkan dua pertiga kasus sepsis, jarang ditemukan kasus yang tidak diperhatikan oleh staf medis, dan sering mengeluarkan alarm palsu.

Karandeep Singh, asisten profesor di University of Michigan yang memimpin penelitian, mengatakan temuan tersebut menggambarkan masalah yang lebih luas dengan algoritma kepemilikan yang semakin banyak digunakan dalam perawatan kesehatan. “Mereka sangat banyak digunakan, namun sangat sedikit yang dipublikasikan tentang model ini,” kata Singh. “Bagi saya itu mengejutkan.”

Studi ini diterbitkan Senin di Penyakit Dalam JAMA. Seorang juru bicara Epic membantah kesimpulan penelitian, mengatakan sistem perusahaan telah “membantu dokter menyelamatkan ribuan nyawa.”

Epic bukanlah algoritme kesehatan pertama yang digunakan secara luas untuk memicu kekhawatiran bahwa teknologi yang seharusnya meningkatkan perawatan kesehatan tidak memberikan, atau bahkan berbahaya secara aktif. Pada tahun 2019, sebuah sistem yang digunakan pada jutaan pasien untuk memprioritaskan akses ke perawatan khusus untuk orang-orang dengan kebutuhan yang kompleks ternyata lebih rendah dari kebutuhan pasien kulit hitam dibandingkan dengan pasien kulit putih. Itu mendorong beberapa senator Demokrat untuk meminta regulator federal untuk menyelidiki bias dalam algoritma kesehatan. Sebuah studi yang diterbitkan pada bulan April menemukan bahwa model statistik yang digunakan untuk memprediksi risiko bunuh diri pada pasien kesehatan mental berkinerja baik untuk pasien kulit putih dan Asia tetapi buruk untuk pasien kulit hitam.

Cara sepsis mengintai bangsal rumah sakit telah menjadikannya target khusus bantuan algoritmik untuk staf medis. Pedoman dari Pusat Pengendalian dan Pencegahan Penyakit kepada penyedia layanan kesehatan tentang sepsis mendorong penggunaan rekam medis elektronik untuk pengawasan dan prediksi. Epic memiliki beberapa pesaing yang menawarkan sistem peringatan komersial, dan beberapa rumah sakit penelitian AS telah membangun alat mereka sendiri.

Peringatan sepsis otomatis memiliki potensi besar, kata Singh, karena gejala utama dari kondisi tersebut, seperti tekanan darah rendah, dapat memiliki penyebab lain, sehingga sulit bagi staf untuk mengetahuinya lebih awal. Memulai pengobatan sepsis seperti antibiotik hanya satu jam lebih cepat dapat membuat perbedaan besar bagi kelangsungan hidup pasien. Administrator rumah sakit sering menaruh perhatian khusus pada respons sepsis, sebagian karena berkontribusi pada peringkat rumah sakit pemerintah AS.

Singh menjalankan laboratorium di Michigan yang meneliti aplikasi pembelajaran mesin untuk perawatan pasien. Dia penasaran dengan sistem peringatan sepsis Epic setelah diminta untuk memimpin sebuah komite di sistem kesehatan universitas yang dibentuk untuk mengawasi penggunaan pembelajaran mesin.

Ketika Singh belajar lebih banyak tentang alat yang digunakan di Michigan dan sistem kesehatan lainnya, dia menjadi khawatir bahwa alat tersebut kebanyakan berasal dari vendor yang mengungkapkan sedikit tentang cara kerja atau kinerjanya. Sistemnya sendiri memiliki lisensi untuk menggunakan model prediksi sepsis Epic, yang menurut perusahaan sangat akurat kepada pelanggan. Tetapi tidak ada validasi independen atas kinerjanya.

Rekan Singh dan Michigan menguji model prediksi Epic pada catatan untuk hampir 30.000 pasien yang mencakup hampir 40.000 rawat inap pada 2018 dan 2019. Para peneliti mencatat seberapa sering algoritma Epic menandai orang yang mengembangkan sepsis seperti yang didefinisikan oleh CDC dan Pusat Layanan Medicare dan Medicaid. Dan mereka membandingkan peringatan yang akan dipicu oleh sistem dengan perawatan sepsis yang dicatat oleh staf, yang tidak melihat peringatan Epic sepsis untuk pasien yang termasuk dalam penelitian.

Para peneliti mengatakan hasil mereka menunjukkan sistem Epic tidak akan membuat rumah sakit jauh lebih baik dalam menangkap sepsis dan dapat membebani staf dengan peringatan yang tidak perlu. Algoritme perusahaan tidak mengidentifikasi dua pertiga dari sekitar 2.500 kasus sepsis dalam data Michigan. Itu akan memperingatkan 183 pasien yang mengembangkan sepsis tetapi belum diberi perawatan tepat waktu oleh staf.

Diposting oleh : Lagutogel