Model predykcyjny wykorzystujący krajowe dane dotyczące zdrowia identyfikuje dwie podgrupy pacjentów z przewlekłą chorobą nerek o radykalnie różnej częstości występowania ubytku słuchu, co umożliwia ukierunkowane badania przesiewowe.

Utrata słuchu i przewlekła choroba nerek (CKD) mają wspólne czynniki ryzyka i mogą być powiązane ze stanem zapalnym i wspólnymi szlakami metabolicznymi. Jednak nie u wszystkich pacjentów z chorobą nerek utrata słuchu następuje w tym samym tempie. Nowe badanie oparte na uczeniu maszynowym, w którym wykorzystano dane od 3402 pacjentów z przewlekłą chorobą nerek, pokazuje, że techniki stratyfikacji i grupowania ryzyka pozwalają zidentyfikować pacjentów obarczonych najwyższym ryzykiem, potencjalnie umożliwiając wcześniejszą ocenę słuchu i interwencję w tej wrażliwej populacji.

Oś nerkowo-ślimakowa to wyłaniający się obszar zainteresowań medycyny, w którym uznano, że zdrowie nerek i ucha jest mechanicznie powiązane. Obydwa narządy zależą od precyzyjnej regulacji przepływu krwi, równowagi jonowej i braku ogólnoustrojowego stanu zapalnego. Przewlekła choroba nerek zakłóca te procesy, rodząc pytanie: czy możemy przewidzieć, u kogo spośród pacjentów z chorobą nerek wystąpi ubytek słuchu?

Tło: Połączenie nerka-ucho

Przewlekła choroba nerek dotyka około 10 procent światowej populacji i jest główną przyczyną przedwczesnej zachorowalności i śmiertelności. Wśród pacjentów z przewlekłą chorobą nerek częstość występowania utraty słuchu jest większa, ale dlaczego u niektórych pacjentów rozwijają się zaburzenia słuchu, a u innych nie, pozostaje niejasne. Badacze postawili hipotezę, że uczenie maszynowe może ujawnić ukryte wzorce w danych pacjentów, które odróżniają podgrupy niskiego ryzyka od podgrup wysokiego ryzyka.

Zespół ten wykorzystał dane z badania National Health and Nutrition Examination Survey (NHANES), dużej, reprezentatywnej dla kraju próby populacji USA, do opracowania i sprawdzenia modeli predykcyjnych. Celem było stworzenie zarówno solidnego klasyfikatora ryzyka, jak i narzędzia internetowego, którego mogliby używać lekarze do identyfikacji pacjentów wysokiego ryzyka, którzy powinni zostać poddani ocenie słuchu.

Jak przeprowadzono badanie

Od 3402 pacjentów z przewlekłą chorobą nerek badacze wyodrębnili 31 potencjalnych zmiennych predykcyjnych obejmujących czynniki demograficzne, biochemiczne i styl życia. Wykorzystali regresję LASSO, aby wybrać najbardziej predykcyjne funkcje, a następnie przetestowali dziewięć algorytmów uczenia maszynowego, aby opracować optymalny model predykcyjny. Algorytm XGBoost okazał się zwycięzcą, osiągając 98,4% dokładności podczas uczenia i 93,9% dokładności w niezależnych testach.

Następnie zastosowali modelowanie mieszaniny Gaussa (GMM), technikę grupowania bez nadzoru, aby zidentyfikować różne podfenotypy pacjentów. Ujawniło to dwa naturalne skupienia: grupę niskiego ryzyka i grupę wysokiego ryzyka, charakteryzujące się różnymi profilami klinicznymi, w tym wiekiem, markerami czynności nerek i równowagą elektrolitową.

Co odkryli naukowcy

Podgrupa wysokiego ryzyka obejmowała 2316 pacjentów (68 procent kohorty) i charakteryzowała się starszym wiekiem, podwyższonym poziomem azotu mocznikowego we krwi i podwyższonym poziomem wodorowęglanów. Warto zauważyć, że ubytek słuchu miało 48,2% pacjentów w grupie wysokiego ryzyka w porównaniu z zaledwie 1,58% w grupie niskiego ryzyka obejmującej 1075 pacjentów. Ta uderzająca 30-krotna różnica pokazuje, że uczenie maszynowe może odkryć klinicznie istotne podgrupy pacjentów o znacznie różnym ryzyku choroby.

Analiza SHAP (SHapley Additive exPlanations), metoda interpretująca złożone modele uczenia maszynowego, wskazała wiek jako dominujący czynnik ryzyka, a następnie inne markery nerek i układu. Ta możliwość wyjaśnienia ma kluczowe znaczenie dla zastosowania klinicznego, ponieważ lekarze muszą zrozumieć, dlaczego model formułuje przewidywania.

Zespół opracował także narzędzie internetowe, wykorzystujące tylko sześć najbardziej wpływowych funkcji, dzięki czemu zapracowani klinicyści mogą wprowadzać dane i otrzymywać w czasie rzeczywistym szacunkowe ryzyko utraty słuchu u dowolnego pacjenta z przewlekłą chorobą nerek.

Co to oznacza dla osób z chorobami nerek

Wyniki tej pracy sugerują, że w przypadku pacjentów z przewlekłą chorobą nerek ocena słuchu powinna stać się częścią rutynowej opieki, szczególnie u osób w podeszłym wieku, z podwyższonym poziomem azotu mocznikowego lub zaburzeniami elektrolitowymi. Wczesne wykrycie pozwala na interwencję, zanim ubytek słuchu stanie się na tyle poważny, że zakłóci komunikację i jakość życia. Dostępność narzędzia predykcyjnego oznacza, że ​​lekarze mogą priorytetowo traktować badania przesiewowe słuchu u osób, które najprawdopodobniej na tym skorzystają.

Precyzyjne badania przesiewowe możliwe dzięki uczeniu maszynowemu są szczególnie cenne w placówkach o niskich zasobach, gdzie badanie słuchu może być ograniczone. Identyfikując 68 procent pacjentów z PChN w grupie wysokiego ryzyka, systemy opieki zdrowotnej mogą efektywniej przydzielać zasoby przeznaczone na ocenę słuchu.

Dlaczego technologia samodopasowania jest odpowiednia dla pacjentów wysokiego ryzyka

Pacjenci z PChN często borykają się z wieloma chorobami współistniejącymi, skomplikowanymi schematami leczenia i częstymi wizytami w klinice. Dodanie specjalistycznych wizyt audiologicznych do i tak już dużego obciążenia jest wyzwaniem logistycznym. Dostępne bez recepty aparaty słuchowe umożliwiają szybszy dostęp do wzmocnienia bez dodatkowych wizyt w gabinecie lekarskim.

Panda Quantum zawiera klinicznie dostrojony 10-minutowy test słuchu online, który pacjenci z PChN wysokiego ryzyka mogą przeprowadzić w domu, a następnie dostosować swoje urządzenie za pomocą aplikacji na podstawie odsłuchu w świecie rzeczywistym. Funkcje Bluetooth umożliwiają prowadzenie rozmów w trybie głośnomówiącym i przesyłanie strumieniowe dźwięku z aparatów słuchowych z telefonów, co jest szczególnie przydatne dla pacjentów zarządzających opieką zdrowotną za pośrednictwem telezdrowia w trakcie wizyt w klinice lub pomiędzy nimi. Całkowity czas pracy baterii wynoszący 80 godzin w etui i 5-letnia gwarancja zapewniają spokój ducha pacjentom ze złożonymi potrzebami medycznymi. Odkryj Panda Quantum.

Ograniczenia tego badania

W badaniu wykorzystano dane NHANES, próbę populacji USA, której nie można uogólniać na skalę globalną. Projekt przekrojowy oznacza, że ​​nie można ustalić związku przyczynowego. Przydatność kliniczna modelu oczekuje na prospektywną walidację w niezależnych kohortach chorych na PChN.

Gdzie to nas opuszcza

Narzędzia medycyny precyzyjnej, takie jak ta platforma uczenia maszynowego, mogą zmienić podejście do utraty słuchu w chorobach przewlekłych. Identyfikując podgrupy wysokiego ryzyka, umożliwiamy wcześniejszą interwencję i lepsze wykorzystanie ograniczonych zasobów.

Chen L, Wang J, Liu G i in. Dekodowanie osi nerkowo-ślimakowej: możliwe do wyjaśnienia uczenie maszynowe i grupowanie fenotypów ujawniają podtypy ubytku słuchu wysokiego ryzyka w przewlekłej chorobie nerek. Niewydolność nerek. 21 kwietnia 2026 r.;48(1):2649658. Źródło: PubMed. DOI: 10.1080/0886022X.2026.2649658