算法通过搜索电子健康记录来发现隐藏的肾病

诊断慢性肾病，通常未检测到，直到它导致不可逆转的损坏，可能很快通过一种从电子医疗记录中解释数据的新算法自动化。

的算法，由哥伦比亚大学Vagelos医师和外科医生的研究人员开发，自动彻底擦除患者的电子医疗记录，以获得血液的结果尿检通过混合使用已建立的方程式和机器学习来处理数据，医生可以在早期阶段提醒患者慢性肾脏疾病。

对算法的研究发表于杂志NPJ数码医学在四月份。

“识别肾脏疾病早期治疗至关重要，因为我们有可能延缓治疗疾病进展在损坏变得不可逆转之前，“哥伦比亚大学Vagelos医师和外科医生的医学副教授Krzysztof Kiryluk，MD学习领导者Krzysztof Kiryluk。”慢性肾疾病会导致多种严重的问题，包括心脏病，贫血或骨病，并可导致早期死亡，但其早期阶段经常被公认为和未治疗。“

慢性肾脏疾病进展不明显

每八个美国成年人大约有一个患有慢性肾病，但疾病早期阶段只有10％的人都意识到了他们的病情。在那些已经严重减少肾功能的人中，只有40％的人意识到他们的诊断。

欠诊断的原因是复杂的。慢性肾病早期阶段的人通常没有症状，初级保健医师可能优先考虑更直接的患者投诉。

此外，还需要两次测试，其中衡量血液中的肾脏过滤的代谢物，另一种测量尿液中蛋白质的渗漏，以检测无症状的肾脏疾病。

“对这些测试的解释并不总是直截了当的，”克利克鲁克说。“需要考虑许多患者特征，包括年龄，性别，体重或营养状况，并且初级保健医生经常不受批评。”

算法自动化诊断

的新算法通过自动扫描来超越这些障碍电子医疗记录对于测试结果，表演表明肾功能和损害，暂存患者疾病，并提醒医生造成麻烦的计算。

该算法几乎和经验丰富的肾病学家。在使用时进行测试电子健康记录从451例患者中，该算法在95％的肾脏患者中正确诊断出肾脏疾病，其两名经验丰富的肾病专家，并在97％的健康对照中正确排除了肾病。

该算法可用于不同类型的电子健康记录系统，包括数百万患者的电子健康记录系统，并且可以轻松地结合到临床决策支持系统中，通过表明特定阶段特异性药物来帮助医生。如果未来诊断肾脏疾病的标准，则可以轻松更新该算法，并自由地供其他机构使用。

限制

该算法的一个缺点是，它依赖于医疗记录中相关血液和尿液检测的可用性。Kiryluk说，血液检测相当常规，但是尿检在临床实践中没有得到充分利用。

尽管有这些局限性，但算法诊断可以提高对肾病的意识，麒麟说，并且随着早期的治疗，潜在地减少失去肾功能的人数。

强大的研究工具

对于研究人员来说，该算法还有其他重要的好处。由于该算法可以应用于数百万患者的EHR数据集，并识别所有慢性肾病患者，而不仅仅是确诊的患者，因此该算法提高了许多研究的能力。

研究人员已经将该算法应用于哥伦比亚数百万患者的数据库，以发现以前未发现的慢性肾病和其他疾病之间的联系。例如，抑郁症、酗酒和其他精神疾病在轻度肾病患者中比正常患者更为常见肾功能，即使在核算年龄和性别的差异之后。

“我们的分析还证实，肾病患者的血液亲属患者肾功能障碍程度较低，”麒麟实验室的副研究科学家宁尚，博士学位和纸张的牵头作者。“这些发现支持强烈的遗传测定肾病，即使在其最温和的形式中也是如此。”

Kiryluk说，在未来，该算法可以用来更好地了解慢性肾脏疾病的遗传风险，因为该算法使数百万人的基因分析能够发现新的肾脏基因。

---

---