Eine ganzheitliche Integration von Zeitreihen- und statischen Daten im Lernansatz kann zu einem verbesserten Verständnis der Ergebnisse bei Brustkrebs führen. Es wurde festgestellt, dass ein KI-Deep-Learning-Ansatz chronische Schmerzen bei Patienten mit Brustkrebs vorhersagen kann, wie aus einer retrospektiven Beobachtungsstudie hervorgeht, die im Journal of Nursing Scholarship veröffentlicht wurde. Dieser Ansatz nutzt eine ganzheitliche Integration von Zeitreihen- und statischen Daten, um das umfassende Verständnis der Ergebnisse bei diesen Patienten zu verbessern. Das Modell zeigte eine hohe Leistung mit einer Genauigkeit von 72,8% und einer Fläche unter der Receiver-Betriebskennlinienkurve (AUROC) von 82,0%. Darüber hinaus wies das Modell eine angemessene Erinnerung von 68,4% auf, die mit der Identifizierung von Patienten mit einem hohen Risiko für chronische Schmerzen in Verbindung steht.
Die Datensätze des All of Us Research Program’s Controlled Tier Dataset wurden für die Gestaltung der retrospektiven Studie verwendet. Die Daten umfassen Zeiträume von März 1980 bis Mai 2022 und beinhalten demografische Daten, Patientenumfragen, Labormessungen, Medikamentenexposition und Diagnoseinformationen. Aufgrund der begrenzten Anzahl von Bevölkerungsgruppen mit allen relevanten Daten wurden nur die für die meisten Patienten mit Brustkrebs im Datensatz verfügbaren Datentypen in die Stichprobe für den Deep-Learning-Ansatz aufgenommen.
Ein Transformer-basierter Zeitreihenklassifikator wurde verwendet, um die Dynamik und Muster der sequenziellen medizinischen Daten zu entschlüsseln und zu erfassen. Eine neuronale Netzwerkarchitektur, der Transformer, ist eine von einer Reihe von sich entwickelnden großen Sprachmodellen, die über die einzigartige Fähigkeit verfügt, Selbstbeachtungsmechanismen zu verwenden. Dieser Mechanismus berechnet Aufmerksamkeitswerte, die das Gewicht der Eingabekomponenten basierend auf ihrem Kontext in einer Sequenz bestimmen.
Das Forscherteam kam zu dem Schluss, dass ihr Modell einen bedeutenden Fortschritt bei der Vorhersage von chronischen Schmerzen bei Brustkrebspatienten für die Schmerztherapie und die effektive Pflege darstellt und betont die Bedeutung von Deep Learning und Transformer-basierten Modellen. Die ganzheitliche Integration von Zeitreihen- und statischen Daten in ihrem Modell trägt zum umfassenden Verständnis der Patientenergebnisse bei. Es wird jedoch empfohlen, in zukünftigen Arbeiten zusätzliche Faktoren einzubeziehen, die chronische Schmerzen beeinflussen, sowie diverse demografische Daten. Durch die Ausweitung der Anwendung dieses Deep-Learning-Ansatzes in verschiedenen medizinischen Kontexten zielt das Team darauf ab, neue Erkenntnisse zu gewinnen und ungelöste Fragen im Gesundheitswesen anzugehen.