Байесовская сеть для выявления причин одышки с использованием национальной базы электронных медицинских записей (ЭМЗ)

Почему важно выяснить причину одышки

Трудности с дыханием могут пугать — независимо от того, возникли ли они внезапно или нарастали месяцами. Одышка часто является первым признаком проблем с сердцем или легкими, но врачи общей практики в обычной практике сталкиваются с длинным списком возможных причин и ограниченным временем и набором тестов. В этом исследовании описан новый компьютерный инструмент, который на основе закономерностей в миллионах анонимных медицинских записей помогает врачам общей практики быстро сузить круг наиболее вероятных причин одышки у пациента, с целью ускорения постановки диагноза и сокращения ненужных обследований.

Распространённый симптом с множеством возможных причин

Одышка, иногда называемая одышкой при нагрузке или диспноэ, — очень частая жалоба с серьёзными последствиями. Люди, испытывающие одышку, чаще имеют худшее качество жизни, больше тревожных и депрессивных симптомов, а также повышенный риск госпитализации и преждевременной смерти. Она особенно связана с хроническими заболеваниями лёгких, такими как астма и хроническая обструктивная болезнь лёгких (ХОБЛ), а также с заболеваниями сердца, например сердечной недостаточностью, но может быть вызвана и инфекциями, тромбами в лёгких или даже раком. Поскольку многие болезни проявляются одним и тем же симптомом, врачам общей практики часто приходится назначать несколько исследований и направлять пациентов к разным специалистам, что может задерживать правильное лечение и повышать затраты на здравоохранение.

Превращение рутинных записей в обучающий инструмент

Исследователи использовали большую британскую базу электронных медицинских записей из 50 практик общей медицины, охватившую около 136 000 взрослых, обратившихся к врачу по поводу одышки в период с 2002 по 2024 год. Из этих записей они выделили почти 385 000 отдельных «эпизодов» одышки и, где это было возможно, связали их с десятью ключевыми диагнозами, известными как причины одышки: астма, ХОБЛ, сердечная недостаточность, рак лёгкого, пневмония и тромбы в лёгких и т.д. Чтобы сделать это честно, они определили временные окна вокруг каждого эпизода: для быстро развивающихся проблем, таких как пневмония, рассматривали только несколько недель до и после обращения, тогда как для медленно развивающихся заболеваний, например рака лёгкого, — многие месяцы до и после. Они также выделили 34 простых параметра о каждом пациенте — такие как возраст, пол, курение, симптомы (кашель или свистящее дыхание), текущие лекарства и предыдущие диагнозы.

Как работает «умная» сеть

На основе этих данных команда построила статистическую модель типа байесовской сети. Это можно представить как сеть связанных точек, где каждая точка представляет некоторый признак пациента (например, «текущий курильщик» или «в анамнезе ХОБЛ») или одну из десяти возможных причин одышки. Связи между точками показывают, насколько тесно они связаны. Когда врач вводит данные пациента, сеть обновляет вероятности каждого диагноза на основе закономерностей, извлечённых из всех предыдущих записей в базе. Структура сети сначала была выведена из данных, а затем доработана с участием специалистов по лёгким и сердцу, чтобы она имела клинический смысл и не опиралась на невозможные причинно-следственные связи.

Насколько хорошо работает инструмент

Для проверки модели исследователи отложили 30% эпизодов одышки, которые не использовались при разработке. На этой отдельной выборке способность инструмента различать пациентов с каждой из состояний и без них варьировала от умеренной до отличной. Например, показатель качества (известный как ROC-AUC) составил 0,94 для сердечной недостаточности и 0,90 для астмы, что означает, что модель очень редко путала пациентов с наличием и отсутствием этих состояний. Даже для более сложных диагнозов, таких как непневмонические инфекции грудной клетки, производительность была выше случайной. Дополнительные проверки показали, что вероятности, выдаваемые моделью, хорошо соответствуют наблюдаемым данным. Неудивительно, что предыдущая история заболевания у пациента часто была самым сильным указанием на то, что новый эпизод вызван тем же заболеванием.

Что это может значить для пациентов и врачей

Авторы уже интегрировали эту сеть в систему поддержки клинических решений, которая подключается к программному обеспечению врача общей практики, и тестируют её в клиническом исследовании в австралийских практиках. Если инструмент продолжит показывать хорошие результаты, он может помочь врачам быстро увидеть, какие диагнозы наиболее и наименее вероятны при жалобах на одышку, направляя их к самым информативным исследованиям в первую очередь. Это не заменяет клиническое суждение врача и не охватывает все возможные причины, но может служить доказательной «второй точкой зрения», основанной на сотнях тысяч сходных случаев. Проще говоря, исследование показывает, что тщательно проанализированные электронные записи можно превратить в своего рода ненавязчивого советчика — который помогает сократить путь от первого пугающего ощущения одышки до ясного диагноза и соответствующего лечения.

Цитирование: Kabir, A., Devaux, A., Jenkins, C. et al. A Bayesian network for identifying causes of breathlessness using a national electronic medical records (EMR) database. Sci Rep 16, 4900 (2026). https://doi.org/10.1038/s41598-026-35250-w

Ключевые слова: одышка, первичная медико-санитарная помощь, байесовская сеть, электронные медицинские записи, поддержка диагностических решений