研究人员开发筛选工具帮助早期诊断特发性肺纤维化

在过去的十年中,及时、有效地诊断特发性肺纤维化(IPF),一种致命的疾病,导致肺组织疤痕,影响呼吸和运动的能力,已经成为公认的主要的健康挑战。虽然不是著名,全世界疾病现在有一个更大的存在比七个最常见的癌症。

IPF诊断目前需要多个步骤,需要好几年,涉及专业和昂贵的测试。诊断疾病的时间越长,就越进步越难治疗。平均而言,病人IPF活两到五年的诊断。

从芝加哥大学的一组研究人员,梅奥诊所,威尔康奈尔医学、纽约长老会和布莱根妇女医院旨在提高IPF通过一个新的早期检测筛查工具,它可以普遍使用在初级保健设置。称为Zero-burden伴随疾病风险评分对IPF (ZCoR-IPF),该工具使用一个现有算法扫描病人的记录签名的疾病和警报初级保健医生其可能的存在。医生可以参考病人的专业测试,以确认是否有疾病。

“传统上,IPF诊断需要多学科的方法与肺临床医生、放射科医生,和实验室和病理专家,”安德鲁·资金流说的医学教授兼肺和危重病医学部门的梅奥诊所,这项研究的作者之一。“重要的是识别患者在早期阶段,这样就可以称为位肺脏和他们的同事尽快提供正确的诊断和获得先进的护理和治疗。”

“IPF是一个罕见的障碍,不同的临床表现和挑战性的诊断标准,”费尔南多·j·马丁内斯,布鲁斯·韦伯斯特威尔康奈尔医学内科教授兼肺和危重病医学部门的纽约长老会医院/威尔康奈尔医学和威尔康奈尔医学中心,这项研究的作者之一。“有一个健壮的筛查方法基于容易获得参数电子医疗记录是一个主要的推进,以确保早期诊断。”

研究中,“筛查特发性肺纤维化合并模式识别在电子健康记录,“9月29日出版,2022年自然医学。

早期诊断治疗的关键

几个因素使IPF的早期检测困难。“特发性”一词意味着我们目前不清楚病因,确定它在开始阶段的主要障碍。IPF也相同的症状更著名的肺部疾病,如慢性阻塞性肺病、哮喘或可能存在与他们,导致误诊或延迟诊断。IPF也有非特异性表现,意义与疾病并不是每个人都有相同的问题或显示相同的症状。

团队把这些因素考虑在内,以及初级护理医师所面临的约束,当开发筛选工具。他们的算法不需要额外的实验室测试或需要认识到早期症状。

“我们知道每个病人是一个重大的挑战在初级保健设置,“说Ishanu将挑战,芝加哥大学的医学助理教授,这项研究的作者之一。“即使一个测试需要5分钟,会很难做的,也许没有必要,如果病人没有表现出任何的肺部问题。这个工具需要额外0分钟之前和可以识别功能疾病的症状表现。一旦有人安排访问与他们的初级护理医师,程序可以运行前的筛选工具,得到的结果病人甚至走进诊所。”

这种方法不同于以前的筛查疾病。

“我们集团和其他人已经做了大量的工作在特定人群开发筛选算法对于这种疾病的早期检测,”加里说“马特”Hunninghake,间质性肺病项目主任布莱根妇女医院和这项研究的作者之一。“这工作是小说,已经医疗记录中捕获的信息系统中用于识别病人可能在更高的风险。”

早期检测在IPF的有效的治疗中起着举足轻重的作用。而药物治疗存在,患者继续恶化。唯一的治愈这种病的方法是肺移植。

“目前,IPF诊断的延迟从出现症状大约三年,“资金流说。“这新的筛查工具将有助于确定疾病的患者在早期阶段,这样他们就可以获得FDA批准的治疗以及有资格获得临床试验治疗这种进步的疾病。”

现有记录有关疾病的线索

检测工具背后的算法是通过制表各种数据点在病人现有的医疗记录,如从过去的医学遇到任何诊断和药物处方和使用概率框架来确定个人发展疾病的可能性。超出了简单的已知风险因素存在与否,程序识别模式的报道事件,调节IPF的风险。

国家保险索赔团队训练算法使用两个额外的数据库数据库,并验证它。总之,程序研究了近300万名患者的记录,超过54000阳性病例。

研究人员调查算法来预测疾病的能力比已知的诊断,早一年之前四年临床诊断。结果是令人鼓舞的。扫描工具有88%的准确率,传统诊断扫描前一年为85%,四年。

工具进一步验证了其积极和消极的可能性比率,衡量测试错误的概率。比率高于5阳性和小于1 -测试被认为是很好的。这个工具有一个积极的似然比30岁以上,和0.7 - 1。

“当你使用电子医疗记录数据,第一个阻力你经常听到的是,“有多准确呢?”,将说。“所以,我们很满意我们的结果。这似乎是一个非常准确的筛选试验。”

接下来,团队希望看到筛查工具中实现初级保健中心测试它在实际设置。

“这将有助于进行前瞻性研究,该算法可以进行测试,以确定有效的检测可能IPF患者,和病人的意愿和医疗提供者考虑进一步的随访和干预基于这些结果,“Hunninghake说。

如果被采纳,该工具可能对IPF患者产生重大影响。

”这种方法筛查IPF的范式转变,”马丁内兹说。“未来将利用这种方法来定义患者更广泛、进步,fibrosing疾病有效的治疗方法。”

它也可能导致额外的算法扫描其他复杂疾病。

“我们想看看一系列障碍,看看这种方式可以为他们工作,也“将说。屏幕说:“如果我们能对这些疾病通过使用现有的电子健康记录,而不需要任何新的测试,这可能对卫生保健产生重大影响。”

其他作者在纸上包括Dmytro Onishchenko UChicago机器学习研究员;罗伯特·j·马洛Spencer-Fontayne公司;和切g . Ngufor和路易斯·j·梅奥诊所的浮士德。