מילות מפתח: ביג דאטה, עיבוד שפה, בקטרמיה

רקע מדעי ומטרה:

אבחון מהיר של בקטרמיה (נוכחות חיידקים בדם) במחלקות לרפואה דחופה הוא חיוני, אך תוצאות תרביות דם מתקבלות בדרך כלל רק לאחר 1-3 ימים. קיימים מדדים שונים להערכת סיכון לבקטרמיה, אך השימוש בבינה מלאכותית (AI) בתחום זה עדיין בשלבים מוקדמים.
מטרת המחקר היא לפתח מודל משולב על בסיס הרשומות הרפואיות באמצעות מודל ניתוח שפה Natural Language Processing (NLP) , ומודל למידת מכונה machine learning) ) כדי לשפר את היכולת לחזות בקטרמיה בקרב מטופלים שמגיעים לחדרי המיון.

שיטות:

המחקר כלל מטופלים מעל גיל 18 שנלקחה מהם תרבית דם במחלקה לרפואה דחופה במרכז הרפואי שיבא בין השנים 2017–2023. נבנה מודל מורכב ששילב אלגוריתם XGBoost לנתונים טבלאיים ואלגוריתם רגרסיה לוגיסטית (Logistic Regression) לניתוח טקסט חופשי מהרשומה הרפואית.

תוצאות:

מתוך 94,482 מטופלים, שיעור הבקטרמיה היה 9.7%. המודל הטבלאי (XGBoost) השיג שטח תחת העקומה (AUC) של 73.7%, והמודל המבוסס טקסט חופשי (רגרסיה לוגיסטית) השיג AUC של 71.3%. שילוב התחזיות הסופי של שני המודלים שיפר את הביצועים והביא לAUC של 75.6% בחיזוי בקטרמיה.

מסקנות:

שילוב של מודל ניתוח טקסט חופשי (NLP) יחד עם מודל למידת מכונה machine learning) ) שיפר את יכולת החיזוי של בקטרמיה. ממצאים אלה תומכים בשילוב יישומים מבוססי בינה מלאכותית בתהליכי קבלת ההחלטות של רופאים.

חשיבות לרפואת המשפחה:

הכרה של כלי חדש של בינה מלאכותית המתבסס על ניתוח שפה כתובה ומאפשר לחזות בקטרמיה, טרם קבלת תשובות המעבדה.