Skip to content
Kada kraujospūdžio vaistų nauda atsveria žalą? Modelis analizavo 5,5 mln. įrašų

DI sukurta iliustracija.

Kada kraujospūdžio vaistų nauda atsveria žalą? Modelis analizavo 5,5 mln. įrašų

Kraujospūdį mažinantis gydymas gali sumažinti infarkto ir insulto riziką, tačiau daliai žmonių sukelia nepageidaujamų reiškinių. „Nature Communications“ lapkričio 20 d. paskelbtas modeliavimo tyrimas naudos ir žalos balansą vertino remdamasis 5,5 mln. elektroninių sveikatos įrašų.

REKLAMA

Tokio masto duomenys leidžia nagrinėti grupes, kurios klinikiniuose tyrimuose būna menkai atstovaujamos, ir palyginti skirtingą pradinę širdies bei kraujagyslių riziką. Tačiau tai nėra naujas atsitiktinių imčių vaisto bandymas. Modelis jungia esamus duomenis bei prielaidas, todėl jo rezultatai priklauso nuo įrašų kokybės, pasirinktų baigčių ir to, kaip apskaičiuotas gydymo poveikis.

Vienodas kraujospūdis nereiškia vienodos naudos

Du žmonės gali turėti tą patį kraujospūdžio rodmenį, bet labai skirtingą absoliučią infarkto ar insulto tikimybę. Amžius, rūkymas, diabetas, inkstų funkcija, cholesterolis ir ankstesnės ligos keičia pradinę riziką. Jei ji aukšta, net nedidelis santykinis vaisto poveikis gali užkirsti kelią daugiau sunkių įvykių. Jei rizika maža, ta pati nauda skaičiais bus kuklesnė.

REKLAMA

Kitoje svarstyklių pusėje yra galimi šalutiniai reiškiniai: pernelyg žemas spaudimas, galvos svaigimas, griuvimai, elektrolitų pokyčiai ar inkstų funkcijos pablogėjimas. Jų tikimybė taip pat nevienoda. Vyresniam, kelis vaistus vartojančiam žmogui gydymo intensyvinimo sprendimas gali būti kitoks nei jaunesniam pacientui be kitų ligų.

Modelis turi padėti pokalbiui, o ne išrašyti receptą

Didelės duomenų bazės gali padėti kurti sprendimų priemones, kurios gydytojui parodo numatomą naudą ir žalą konkrečiam pacientui. Tačiau jos neturėtų automatiškai nurodyti pradėti ar nutraukti vaistą. Elektroniniuose įrašuose gali būti klaidų, trūkti informacijos apie vaistų vartojimą, gyvenimo būdą ar simptomus, o statistinis vidurkis neapima visų individualių aplinkybių.

Pacientui svarbu žinoti, kad vienas matavimas namuose ar gydytojo kabinete nėra visas vaizdas. Sprendimui naudojami pakartotiniai rodmenys, bendra rizika, kitos ligos ir žmogaus prioritetai. Vaistų savarankiškai keisti negalima, net jei programėlė ar internetinis skaičiuotuvas pateikia kitokią išvadą. Tyrimas yra populiacijos modelis, o ne individuali medicininė konsultacija.

REKLAMA

Modelis, sukurtas iš 5,5 mln. įrašų, gali atskleisti retus nepageidaujamus įvykius ir skirtumus tarp pacientų grupių, kurių mažas klinikinis tyrimas nepastebi. Tačiau didelis skaičius nepašalina duomenų kokybės problemų. Medicinos įrašuose gali trūkti priežasties, kodėl vaistas pakeistas, ar informacijos, ar žmogus jį iš tikrųjų vartojo. Todėl rezultatas turi būti tikrinamas kitose sistemose ir lyginamas su klinikiniais tyrimais.

Naudos ir žalos santykis nėra vienodas visiems. Žmogui, kurio kraujospūdis labai aukštas ir širdies bei kraujagyslių rizika didelė, net nedidelis sumažėjimas gali būti svarbus. Kitam pacientui intensyvesnis gydymas gali sukelti galvos svaigimą, kritimus ar inkstų funkcijos pokyčius. Geras modelis turėtų ne nurodyti vieną universalų slenkstį, o padėti gydytojui paaiškinti tikėtiną rezultatą konkrečiam žmogui.

Lietuvoje toks įrankis galėtų padėti šeimos gydytojui, jei būtų patvirtintas vietos populiacijai ir integruotas taip, kad neužgožtų konsultacijos. Reikėtų žinoti, ar mokymo duomenyse pakankamai vyresnių žmonių, pacientų su keliomis ligomis ir skirtingų vaistų derinių. Sprendimo negalima grįsti vien algoritmo balu: svarbūs žmogaus prioritetai, simptomai ir matavimų patikimumas. Vaistų keitimas turi likti klinikinis sprendimas.

REKLAMA

Tokio masto duomenų modelis gali padėti geriau įvertinti balansą tarp insulto ar infarkto prevencijos ir nepageidaujamų reiškinių. Vis dėlto sveikatos įrašai atspindi realią praktiką su visais jos netolygumais: trūkstamais matavimais, nevienodu vaistų vartojimu ir skirtinga gydytojų sprendimų logika. Todėl modelis neturėtų automatiškai parinkti vaisto ar dozės. Naudingiausia jo vieta būtų konsultacijoje, kai gydytojas ir pacientas aptaria absoliučią naudą, galimą žalą bei žmogaus prioritetus. Vyresniam, daug kitų vaistų vartojančiam pacientui priimtinas sprendimas gali skirtis nuo jaunesnio žmogaus. Prieš klinikinį taikymą būtina patikrinti, ar prognozės vienodai patikimos skirtingoms amžiaus, lyties ir sveikatos būklės grupėms.

Pacientui toks įrankis būtų naudingas tik tada, jei prognozė pateikiama suprantamai: kiek žmonių iš šimto išvengtų komplikacijos, kiek patirtų šalutinį poveikį ir per kokį laikotarpį. Be šio konteksto net tikslus modelis gali suklaidinti.

Skaitmeninės sveikatos kryptis juda link personalizuoto rizikos vertinimo. Tą pačią logiką matome metformino ir personalizuotos mitybos tyrime bei DI biologinio amžiaus modelių apžvalgoje. Kiekvienu atveju didelis duomenų kiekis gali pagerinti sprendimą, bet tik tada, kai modelis išoriškai patikrintas, jo ribos aiškios, o rezultatas naudojamas kartu su klinikiniu vertinimu.

Kaip vertinate šį straipsnį?

NAUJIENOS IŠ INTERNETO

Trumpai, aiškiai ir be triukšmo – gaukite svarbiausias technologijų ir mokslo naujienas pirmieji.

Sekite mokslo ir technologijų tendencijas
Dalyvaukite diskusijose
Naujienas gaukite pirmieji
1 700+ narių jau seka mūsų puslapį, laukiame tavęs!

TechNaujienos.lt Patikrintos technologijų, mokslo ir gynybos naujienos iš Lietuvos ir viso pasaulio.

10

Taip pat skaitykite

Atrinkome panašius straipsnius, kurie gali jums patikti.