מודל חיזוי לקרישת דם הקשורה ל-PICC בחולי זיהום קשה באמצעות אלגוריתם XGBoost

מדוע זה חשוב למטופלים ולמשפחות

אנשים רבים עם זיהומים מסכני חיים, כמו ספסיס, מסתמכים על צינורות ארוכים וגמישים שמוכנסים לורידים כדי לקבל תרופות ותזונה. צינורות אלה, שנקראים קווי PICC, הם חיוניים אך עלולים לעיתים לגרום לקרישי דם מסוכנים. המחקר הזה מראה כיצד רופאים השתמשו בשיטת מחשב מודרנית כדי לחזות אילו חולי ספסיס נמצאים בסיכון הגבוה ביותר לפתח קרישים סביב הצנררים, במטרה למנוע סיבוכים לפני שהם מתרחשים.

קטטרים שעוזרים ולעיתים מזיקים

כשמטופלים סובלים מספסיס, הם נזקקים לעתים לשבועות של אנטיביוטיקה תוך-ורידית, נוזלים ותמיכה תזונתית. קטטרים מרכזיים שהוכנסו באופן פריפרי (PICC) מועברים מווריד ביד לכיוון הלב כדי לאפשר זאת. למרות הנוחות, קווי PICC עלולים לשבש את זרימת הדם ולגרות את דופן הכלי, מה שמאפשר לקרישים להיווצר. קרישים אלה עלולים לחסום ורידים, להאריך שהייה ביחידת הטיפול הנמרץ, ובמקרים חמורים להתנתק ולהגיע לריאות. עד כה היה קשה לאנשי טיפול לזהות מראש מי מהמטופלים בסיכון הגבוה ביותר, כיוון שגורמים בריאותיים ופרמטרים דמיים מרובים מעורבים בו זמנית.

שימוש בנתוני-עולם ואלגוריתמים חכמים

החוקרים נשענו על מאגר נתוני טיפול קריטי פתוח ממוסד גדול בארה"ב, הכולל רישומים מפורטים מיותר מ‑94,000 אשפוזים ביחידות טיפול נמרץ בין 2008 ל‑2022. מתוך המשאב הזה הם זיהו 8,128 מבוגרים עם ספסיס שהחזיקו קו PICC לפחות יומיים ולא סבלו מתנאים מסבכים מסוימים כמו סרטן דם. בקרב מטופלים אלה, 538 פיתחו קריש הקשור לקתטר, רובם בתוך החודש הראשון לאחר ההחדרה. הצוות חילק את המטופלים לשתי קבוצות: אחת לאימון המודל הממוחשב ואחת לבחון עד כמה יעבוד במקרים חדשים.

מה שלמד המודל על סיכון לקרישה

כדי לזהות דפוסים מורכבים מדי לכללים פשוטים, הצוות השתמש בגישה שנקראת XGBoost, סוג של למידת מכונה שמחברת עצי החלטה קטנים רבים לניבוי חזק אחד. הם הזינו למודל מידע שאנשי טיפול אוספים באופן שגרתי, כולל גיל, מין, תוצאות בדיקות דם, מחלות נוספות, וכמה זמן ה‑PICC היה במקום. המודל הפיק הסתברות שמטופל מסוים יפתח קריש. הדיוק שלו הוערך באמצעות השטח מתחת לעקומת ה‑ROC, מדד סטנדרטי לכלי חיזוי. ציונים סביב 0.76 הן בקבוצת האימון והן בקבוצת הבדיקה הצביעו על כך שהמודל הצליח להבחין בבירור בין מטופלים בסיכון גבוה לבין מטופלים בסיכון נמוך.

מעיינים בתוך תיבת השחור

חשש נפוץ בלמידת מכונה הוא שהיא עלולה להרגיש כמו תיבת שחור. כדי להתמודד עם זה, החוקרים השתמשו בשיטת פרשנות שנקראת SHAP כדי להעריך כמה כל גורם דחף את התחזית לכיוון סיכון גבוה או נמוך. התכונות בעלות ההשפעה הגדולה ביותר כללו ספירת תאי דם לבנים, ספירת טסיות, התקף לב קודם, המוגלובין, תפקוד כלייתי, משך הזמן שה‑PICC היה במקום, גיל, מחלת כבד קלה, מדד קרישת דם שנקרא זמן פרותרומבין, וסוכרת ללא סיבוכים חמורים. יחד הן מציירות תמונה של סיכון לקרישה שעולה כשדלקת גבוהה, איזון הדם והקרישה משובש, והצינור נשאר בווריד זמן ארוך יותר. ניתוח עקומת החלטה הציע בנוסף שהשימוש במודל להדרכת טיפול מניעתי ייתרון ליותר מטופלים מאשר מתן טיפול לכל או לאף אחד.

מה זה יכול לשנות בעמדה הקלינית

לטיפול היומיומי, עבודה זו מציעה שרופאים יוכלו להשתמש במידע זמין שגרתי כדי להעריך את הסיכוי שמטופל בספסיס יפתח קריש הקשור ל‑PICC לפני שיופיעו בעיות. מטופלים שייסומנו בסיכון גבוה עשויים לקבל מעקב צמוד יותר, קיצור משך הקטרטר, סוגים מיוחדים של קטטר, או מתן מדללי דם מניעתיים מוקדמים, בעוד שמטופלים בסיכון נמוך עשויים להימנע מטיפולים מיותרים. למחקר יש מגבלות — הוא מבוסס על מערכת בתי חולים אחת ומשתמש בנתוני עבר ולא בניסוי קליני פרוספקטיבי — אך הוא מציע צעד ממשי לקראת שימוש מותאם ובטוח יותר בצינורות תוך‑ורידיים שמצילים חיים בקרב חלק מהחולים החמורים ביותר.

ציטוט: Hao, W., She, Ty., Yuan, Zn. et al. A predictive model for PICC-related thrombosis in sepsis patients using XGBoost algorithm. Sci Rep 16, 14378 (2026). https://doi.org/10.1038/s41598-026-44999-z

מילות מפתח: ספסיס, קטר PICC, קרישת דם, למידת מכונה, טיפול נמרץ