A szülés utáni vérzés kockázatának becslése

Az amerikai US Centers for Disease Control and Prevention (CDC) adatai szerint minden tizedik, terhességgel kapcsolatos haláleset oka a postpartum vérzés. Aránytalanul magas a vérzéses halálozás kockázata a feketék között, ötszöröse a fehér bőrű lakosság körében mérhetőnek. A postpartum vérzéses megbetegedés és halálozás csökkentésének alapja a korai beavatkozás, de a kockázat felmérésére nem állnak rendelkezésre kellően hatékony eszközök. Az American College of Obstetricians and Gynecologist (ACOG) Safe Motherhood Initiative csoportokba gyűjtötte az alacsony, a közepes és a magas kockázatú nők klinikai jellemzőit. Eszerint az asszonyok 40%-a az alacsony kockázatú csoportba sorolható. Az ACOG javasolja a szülés során, vagy közvetlenül utána elvesztett vér mennyiségének mérését azon szülőnők beazonosítására, akiknél elhalasztható a sürgős beavatkozás. Számos kórházban viszont nem állnak rendelkezésre megbízható módszerek a vérzés mérésére.

Dr. Li Li (Mount Sinai Hospital, New York City) és munkatársai a mesterséges intelligencia és a gépi tanulás felhasználásával kifejlesztett digitális segédeszközzel a Mount Sinai Health System-ben történt, nagyjából 72.000 szülés alapján meghatározták a szülő nők „digitális fenotípusát”. Az eszköz segítségével kb. 6600 postpartum vérzéses esetet lehetett kimutatni, ami mintegy 3,8-szor több volt annál az 1700-nál, amennyit a vérvesztés mennyiségének mérése alapján lehetett megjósolni. Egy 45 esetből álló kisebb csoport (26 betegnek vérzése volt, 11-nek nem, 6 bizonytalan) „vakon” történt felmérése alapján úgy találták, hogy a digitális méréssel 89%-os, a vérvesztés mennyiségének mérése alapján csak 67%-os pontossággal azonosították az eseteket.

A modellben szereplő 24 jellemző közül sok tétel más kockázati előrejelzésekben is megtalálható, pl. a régebbi császármetszés, a régebbi szülés utáni vérzés, a szülőnő anémiája, vagy egyéb vérrel kapcsolatos problémája. Több kockázati faktort az irodalmi adatok alapján vettek be a modellbe, pl. a szülőnő vérnyomása, a kórházi felvételtől a szülésig eltelt idő, az átlagos pulzusszám. Öt teljesen új jellemzőt if fontosnak találtak: a vörösvértest szám és eloszlás, az egy vvt-re eső átlagos hemoglobin mennyiség (mean corpuscular hemoglobin, MCH), abszolút neutrophil szám, fehérvérjets szám. Ezek az értékek a standard vérvételből könnyedén megállapíthatók, de egyelőre nem használatosak a postpartum vérzés kockázatának felmérésére.

A Journal of American Medical Informatics Association megjelentetett retrospektív vizsgálat során a szülő nőket alacsony, közepes és magas kockázatú csoportokba sorolták. Az új algoritmus szerint a szülőnők 28%-a magas kockázatú volt, holott a régi, standard módszerrel csak 15%-19%-uk tartozott volna ide. A kutatók lehetséges inflekciós pontokat is azonosítottak, ahol az egyes életjelek változásai a kockázat jelentős emelkedését okozzák, pl. a terhesség és szülés alatt 132 Hgmm fölötti medián vérnyomás átlagosan 11%-kal emeli a vérzés kockázatát.

A kockázatnak kitett asszonyok pontosabb azonosításának segítségével előre ki lehet készíteni azokat az eszközöket, melyekkel csökkenteni lehet a postpartum vérzések előfordulását és a halálozást. A mesterséges intelligencia és a gépi tanulás felhasználásán alapuló klinikai segédeszközök kifejlesztésével foglalkozó Sema4 vállalat prospektív klinikai vizsgálatot indít az algoritmus értékelés céljából.

Dr. Holly Ende (Vanderbilt University Medical Center, Nashville, Tennessee) kommentárjában kiemelte, hogy az elektronikus kórtörténetek használatának a vérzési kockázat felmérésében a jelenleg használatos eszközökhöz képest számos előnye van. A gépi tanulás, vagy a statisztikai modellek számos kockázati tényezőt képesek figyelembe venni, és értékelni tudják az egyes faktoroknak a kockázatban betöltött szerepét. Kockázat szerint folyamatosan tudjuk osztályozni az asszonyokat. Kiemelte, hogy az algoritmus készítőinek számításba kell venni a szülő nő korábbi egészségi problémáit, pl. a vérzés ismert kockázati faktorát, az uterus atóniáját. Ha az e problémákkal küszködő nőket a kórelőzményekben szereplő gyógyszerek alapján azonosítják, kimaradhatnak közülük azok, akik nem részesültek e rendellenesség miatt gyógyszeres kezelésben. Az ilyen predikciós modelleket készítőknek tisztában kell lenniük, hogy az ápolás bármilyen egyenlőtlenségének elkerülése érdekében különleges gondossággal kell eljárniuk.

Forrás:

Kuehn BM. Digital algorithm better predicts risk for postpartum hemorrhage. Medscape Medical News. January 24, 2022.

Zheutlin AB, Vieira L, Shewcraft RA, et al. A comprehensive digital phenotype for postpartum hemorrhage. Journal of the American Medical Informatics Association, February 2022;29(2):321-328, https://doi.org/10.1093/jamia/ocab181

Zheutlin AB, Vieira L, Shewcraft RA, et al. Improving postpartum hemorrhage risk prediction using longitudinal electronic medical records. Journal of the American Medical Informatics Association, February 2022;29(2):296-305. https://doi.org/10.1093/jamia/ocab161

Ende HB, Alexander BJ. Current state and future direction of postpartum hemorrhage risk assessment Obstetrics & Gynecology, December 2021; 138(6):924-930.