AI pomoże precyzyjniej dobierać opioidy po zabiegach stomatologicznych

Sztuczna inteligencja może w przyszłości pomóc lekarzom lepiej przewidywać zapotrzebowanie pacjentów na opioidy po zabiegach chirurgii stomatologicznej. Naukowcy z Harvard School of Dental Medicine analizują, w jaki sposób AI i uczenie maszynowe mogą wspierać indywidualizację leczenia bólu, ograniczając jednocześnie ryzyko niewłaściwego stosowania tych leków.

Ekstrakcja zęba często oznacza dla pacjenta kilka dni bólu, obrzęku i rekonwalescencji. U większości osób wystarczające są dostępne bez recepty leki przeciwbólowe, takie jak paracetamol czy ibuprofen, jednak u niektórych pojawia się silniejszy ból, który nie reaguje odpowiednio na standardowe leczenie i może wymagać zastosowania opioidu.

Problem polega na tym, że lekarz musi podjąć decyzję dotyczącą leczenia przeciwbólowego jeszcze przed zabiegiem – zanim będzie wiadomo, jak konkretny pacjent zareaguje na procedurę. Zespół Harvard School of Dental Medicine (HSDM) sprawdził, czy sztuczna inteligencja może pomóc w podejmowaniu takich decyzji.

W artykule opublikowanym na łamach „Current Surgery Reports” autorzy przeanalizowali możliwości wykorzystania AI i uczenia maszynowego do przewidywania zapotrzebowania na opioidy po zabiegach stomatologicznych oraz identyfikowania pacjentów, u których może występować większe ryzyko niewłaściwego stosowania leków, ich przedłużonego przyjmowania lub niewystarczającej kontroli bólu.

– Podstawowy problem polega na tym, że przepisywanie opioidów nadal w dużej mierze opiera się na standardowych schematach, podczas gdy rzeczywiste zapotrzebowanie pacjentów na leki przeciwbólowe jest bardzo indywidualne. Dwóch pacjentów może przejść praktycznie ten sam zabieg, wykonany przez tego samego chirurga, a mimo to doświadczać zupełnie innego bólu i obrzęku po operacji ze względu na różnice biologiczne i indywidualną tolerancję bólu – powiedział dr Tim Wang, główny autor publikacji, kończący specjalizację z chirurgii stomatologicznej w HSDM.

Odchodzenie od przepisywania leków „na wszelki wypadek”

Zabiegi z zakresu chirurgii stomatologicznej i szczękowo-twarzowej odpowiadają za największą część recept na opioidy wystawianych przez dentystów w Stanach Zjednoczonych – stanowią ponad 60% takich przepisów. To właśnie ekstrakcja zębów mądrości bardzo często bywa pierwszym kontaktem pacjenta z opioidami dostępnymi na receptę.

Problemem jest jednak niedopasowanie ilości przepisywanego leku do rzeczywistych potrzeb. Autorzy publikacji przywołali prospektywne badanie obejmujące pacjentów poddawanych operacyjnemu usunięciu trzecich zębów trzonowych. W przypadku prawidłowego przebiegu rekonwalescencji opioidy były potrzebne zaledwie u 7% pacjentów. Inne badania wskazały natomiast, że ponad połowa opioidów przepisywanych po zabiegach stomatologicznych pozostaje niewykorzystana. Niewykorzystane leki mogą z kolei zwiększać ryzyko ich niewłaściwego użycia lub przekazania innym osobom.

– Wyzwaniem dla chirurga jest to, że decyzję o przepisaniu leku musimy podjąć, zanim dowiemy się, jak konkretny pacjent zareaguje pod względem bólu pooperacyjnego – wyjaśnił dr Wang.

Autorzy określili takie podejście mianem przepisywania leków „na wszelki wypadek”. Lek jest ordynowany z myślą o potencjalnym wystąpieniu silnego bólu, a nie na podstawie indywidualnego ryzyka pacjenta i przewidywanego zapotrzebowania.

Jednocześnie ograniczanie liczby niepotrzebnie przepisywanych opioidów nie powinno prowadzić do sytuacji, w której pacjent rzeczywiście wymagający silniejszego leczenia pozostaje bez odpowiedniej kontroli bólu. Kluczowe jest więc znalezienie właściwej równowagi.

– Dzięki postępom w zakresie biomarkerów klinicznych i sztucznej inteligencji możemy połączyć oba te obszary, tworząc narzędzia, które pomogą lekarzom podejmować bardziej świadome decyzje dotyczące kontroli i leczenia bólu, a także sygnalizować sytuacje, w których pacjent może potrzebować dodatkowej edukacji i czasu poświęconego na odpowiednie radzenie sobie z bólem – powiedział Samat Borbiev, student stomatologii na HSDM, współautor publikacji.

Ból zależy nie tylko od rodzaju zabiegu

Dobór leczenia przeciwbólowego jest trudny również dlatego, że na odczuwanie bólu i reakcję na opioidy wpływa znacznie więcej czynników niż sam rodzaj przeprowadzonego zabiegu.

– Ostatecznie ilość danych klinicznych, genetycznych i społecznych, które mogą wpływać na optymalny schemat kontroli bólu jest większa, niż jeden lekarz jest w stanie w pełni zebrać i uwzględnić. To właśnie otwiera przestrzeń do wykorzystania AI jako wsparcia w podejmowaniu decyzji klinicznych – zauważył Clark Morgan, student stomatologii HSDM, współautor pracy.

Jednym ze sposobów uwzględnienia tych różnic może być uczenie maszynowe. Modele AI są zdolne do analizowania dużych zbiorów danych klinicznych, behawioralnych i biologicznych oraz wyszukiwania zależności związanych ze stosowaniem opioidów, ryzykiem ich niewłaściwego użycia czy przedłużonym przyjmowaniem.

Autorzy wskazują m.in. na badanie obejmujące ponad 560 tys. beneficjentów programu Medicare. Wykorzystane w nim metody uczenia maszynowego pozwoliły skuteczniej przewidywać ryzyko przedawkowania opioidów niż tradycyjne metody statystyczne. Inne modele wykazały natomiast możliwość przewidywania ryzyka rozwoju zaburzeń związanych ze stosowaniem opioidów oraz przedłużonego przyjmowania tych leków po operacji, choć ich skuteczność była różna.

AI jako wsparcie lekarza także po zabiegu

Potencjalna wartość takich narzędzi nie ogranicza się do samego wyboru leku. W przyszłości AI mogłaby zostać zintegrowana z elektroniczną dokumentacją medyczną i pomagać w określaniu odpowiedniego rodzaju, ilości oraz czasu stosowania opioidu. System mógłby również wskazywać pacjentów wymagających dodatkowego monitorowania i wspierać istniejące programy monitorowania przepisywania leków.

– Obietnica związana ze sztuczną inteligencją polega na tym, że może ona pozwolić nam odejść od podejścia „jeden schemat dla wszystkich” na rzecz bardziej indywidualnego przepisywania leków – powiedział dr Wang. Dodał, że AI może również pomóc lekarzom szybko analizować dane dotyczące historii przepisywania leków i wychwytywać istotne zależności.

Technologia mogłaby wspierać pacjenta także po opuszczeniu gabinetu. Systemy wykorzystujące AI mogłyby analizować zgłaszany przez pacjenta poziom bólu, przyjmowanie leków i przestrzeganie zaleceń, a następnie na tej podstawie stopniowo udoskonalać rekomendacje. Mogłyby również pomagać lekarzom w kierowaniu do pacjentów bardziej dopasowanych informacji dotyczących leczenia bólu i bezpiecznego stosowania leków.

Technologia nie zastąpi lekarza

Naukowcy podkreślają jednak, że sztuczna inteligencja nie powinna zastępować oceny klinicznej. Znaczna część dotychczasowych badań ma charakter retrospektywny, a wiele opracowanych modeli zostało poddanych ograniczonej walidacji zewnętrznej. Ich skuteczność może również różnić się w zależności od populacji pacjentów oraz danych wykorzystanych podczas procesu uczenia.

Zdaniem autorów celem nie jest samo ograniczenie liczby przepisywanych opioidów. Chodzi przede wszystkim o to, aby decyzje dotyczące ich stosowania były bardziej precyzyjne i lepiej dopasowane do potrzeb poszczególnych pacjentów – bez pogarszania efektów leczenia.

– Dla pacjentów może to oznaczać plan kontroli bólu kształtowany nie tylko przez rodzaj przeprowadzonego zabiegu, ale również przez konkretną osobę, która wraca do zdrowia po jego wykonaniu – podsumował dr Wang.

Źródło: https://www.hsdm.harvard.edu

https://link.springer.com

Rozwiązania oparte na sztucznej inteligencji z jednej strony usprawniają pracę lekarzy dentystów, pozwalają oszczędzać czas, poprawiać płynność procesów klinicznych czy porządkować liczne dane. Z drugiej strony, za rozwojem AI nie nadążają zmiany prawne, dotyczące np. odpowiedzialności za decyzje medyczne podejmowane przez lekarzy, także dentystów, przy pomocy narzędzi AI. – Na dziś to lekarz dentysta ponosi pełną odpowiedzialność za wyrządzoną szkodę na podstawowej zasadzie odpowiedzialności, jaką jest zasada winy – mówi dr n. pr. Zbigniew Więckowski, adiunkt w Katedrze Prawa Cywilnego i Prawa Prywatnego Międzynarodowego Instytutu Nauk Prawnych Uniwersytetu Kardynała S. Wyszyńskiego w Warszawie, autor i współautor recenzowanych publikacji naukowych z zakresu prawnych aspektów leków biologicznych, prawa własności intelektualnej i nowych technologii.