Czy dwa systemy analizujące te same wyniki badań laboratoryjnych zwrócą uwagę na te same problemy? Zespół ZDROT AI sprawdził to na dwóch rzeczywistych przypadkach, zestawiając własne raporty z raportami wygenerowanymi przez LabTest Checker® firmy Labplus w aplikacji Synevo.
Z tego artykułu dowiesz się…
- Jakie nieprawidłowości w wynikach badań laboratoryjnych wskazały zarówno ZDROT AI, jak i Labplus.
- Dlaczego dodatkowe informacje o użytkowniku mogą zmieniać rekomendacje dotyczące dalszego postępowania.
- Czym różniły się podejścia obu systemów do priorytetyzacji wyników i zaleceń.
- Dlaczego porównanie dwóch przypadków nie pozwala stwierdzić klinicznej równoważności analizowanych rozwiązań.
Celem porównania nie było wskazanie „zwycięzcy”. Analizowano przede wszystkim to, które wyniki oba rozwiązania uznały za wymagające uwagi, jak je interpretowały i jakie dalsze działania proponowały użytkownikowi.
Te same wyniki laboratoryjne, różny zakres informacji
Do porównania wykorzystano dwa niezależne zestawy badań: 38-letniego mężczyzny oraz 30-letniej kobiety. W każdym przypadku oba rozwiązania analizowały te same źródłowe wyniki laboratoryjne z tego samego laboratorium.
Istniała jednak istotna różnica. ZDROT AI przygotował raport na podstawie dokumentu z wynikami przesłanego przez użytkownika. Labplus, działając w ramach panelu Synevo, dysponował również dodatkowymi informacjami kontekstowymi uwzględnionymi później w raporcie.
I właśnie znaczenie tego dodatkowego kontekstu okazało się jednym z najciekawszych elementów porównania.
Główne problemy były często identyfikowane podobnie
W pierwszym przypadku oba systemy zwróciły uwagę m.in. na nieprawidłowości dotyczące parametrów czerwonokrwinkowych, profilu lipidowego oraz podwyższonej insuliny.
Przy RBC, hemoglobinie i hematokrycie oba rozwiązania wskazały możliwość wpływu niedostatecznego nawodnienia. W obu raportach pojawiły się również zalecenia dotyczące podaży płynów na poziomie około 1,5–2 litrów dziennie oraz ograniczenia nadmiernego spożycia alkoholu.
Podobieństwo wystąpiło więc nie tylko na etapie wykrycia odchylenia, ale również w kierunku jego interpretacji.
W drugim przypadku oba rozwiązania zwróciły uwagę na zasadniczy problem dotyczący profilu lipidowego oraz wynik witaminy D wynoszący 22,9 ng/ml.
Ten sam problem nie zawsze oznacza tę samą rekomendację
Szczególnie interesujący przykład dotyczył insuliny.
Przy glukozie 88 mg/dl, insulinie 14 μU/ml i HOMA-IR wynoszącym 3,0 ZDROT AI rozpoznał podwyższoną insulinę i zaproponował działania dotyczące m.in. diety, kompozycji posiłków oraz aktywności fizycznej.
Labplus również zwrócił uwagę na insulinę, ale dzięki dodatkowym informacjom dotyczącym przygotowania użytkownika do badania wskazał, że badanie najprawdopodobniej nie zostało wykonane prawidłowo na czczo. W pierwszej kolejności zalecił więc jego powtórzenie.
Nie była to zatem różnica polegająca na tym, że jeden system zauważył problem, a drugi go pominął. Oba wykryły odchylenie, ale dodatkowy kontekst wpłynął na decyzję dotyczącą dalszego postępowania.
Podobny mechanizm pojawił się w drugim przypadku przy witaminie D. ZDROT AI oznaczył wynik 22,9 ng/ml jako nieprawidłowy i w warstwie produktowej wskazywał m.in. preparaty witaminy D3 2000 IU. Labplus posiadał dodatkową informację, że użytkownik już przyjmuje witaminę D3 2000, dlatego skierował rekomendację w stronę konsultacji dotyczącej prowadzonej suplementacji.
Różnice dotyczyły również priorytetyzacji wyników
Porównanie pokazało, że samo wykrycie wartości poza zakresem nie przesądza jeszcze o tym, jaką wagę nada jej system.
Przykładem było MCHC na poziomie 32,5 g/dl. Oba rozwiązania rozpoznały obniżoną wartość. ZDROT AI umieścił ją jednak wśród parametrów wymagających konsultacji, natomiast Labplus ocenił ją w kontekście pozostałych parametrów morfologii i nie rekomendował dodatkowych działań z powodu tego pojedynczego odchylenia.
Powtarzalną różnicę zaobserwowano również przy non-HDL. W obu analizowanych przypadkach Labplus wykorzystywał ten parametr jako odrębny element interpretacji, podczas gdy ZDROT AI nie tworzył dla niego osobnego głównego alertu.
Dwa różne sposoby prowadzenia użytkownika
Porównanie pokazało także różnice w tym, co dzieje się już po rozpoznaniu problemu.
W analizowanych raportach ZDROT AI szerzej rozwijał zalecenia dotyczące diety, aktywności fizycznej i stylu życia oraz przechodził do warstwy rekomendacji produktowych. Labplus szerzej wykorzystywał dodatkowy kontekst użytkownika oraz rozwijał rekomendacje dotyczące dalszej diagnostyki i kontroli wyników.
Nie oznacza to, że jedno z tych podejść jest klinicznie lepsze. Pokazuje natomiast, że podobna identyfikacja problemu może prowadzić do różnych ścieżek dalszego postępowania.
Co można wywnioskować z porównania ZDROT AI i Labplus?
Dwa przypadki to zdecydowanie za mało, aby mówić o klinicznej równoważności obu rozwiązań. Autorzy porównania podkreślają również, że rekomendacje nie zostały poddane niezależnej ocenie klinicznej przez lekarza.
Można jednak sformułować znacznie węższy wniosek: w dwóch przeanalizowanych przypadkach ZDROT AI i Labplus wykazały zbieżność w identyfikacji części głównych obszarów wymagających uwagi. Różnice pojawiały się przede wszystkim przy priorytetyzacji wyników, wykorzystaniu dodatkowego kontekstu oraz wyborze dalszego postępowania.
To interesująca obserwacja w kontekście rozwoju narzędzi wspierających interpretację wyników badań laboratoryjnych. Pokazuje również, że jednym z kluczowych elementów wpływających na końcową wartość takiej analizy może być nie tylko sam algorytm, ale również zakres danych, które system otrzymuje o użytkowniku.
Najważniejsze wnioski z porównania ZDROT AI i Labplus
- Oba rozwiązania identyfikowały część tych samych istotnych odchyleń.
- Różnice dotyczyły m.in. priorytetyzacji parametrów i dalszych rekomendacji.
- Dodatkowe informacje o użytkowniku mogły zmieniać rekomendowane postępowanie.
- Dwa przypadki nie pozwalają wnioskować o klinicznej równoważności systemów.
Pełne porównanie obu przypadków, wraz z konkretnymi wartościami parametrów i szczegółowym zestawieniem raportów ZDROT AI oraz Labplus, zostało opublikowane na stronie ZDROT AI: ZDROT AI vs Labplus – porównaliśmy analizę tych samych wyników badań laboratoryjnych
Porównanie zostało przeprowadzone niezależnie przez zespół ZDROT AI, bez udziału, współpracy ani autoryzacji ze strony Labplus i Synevo.
[Materiał Partnera]
Pozostałe artykuły z cyklu:
- Ponad 100 analiz dziennie. Dlaczego użytkownicy coraz częściej korzystają z AI do interpretacji wyników badań krwi?
- Jak działa AI do analizy wyników badań krwi? Od OCR do rekomendacji opartych na danych
- AI w diagnostyce: jak zmienia się podejście do interpretacji wyników badań krwi?
- Dlaczego wyniki badań krwi są źle interpretowane?
Główne wnioski
- W dwóch analizowanych przypadkach ZDROT AI i Labplus identyfikowały część tych samych istotnych odchyleń, m.in. dotyczących profilu lipidowego i insuliny.
- Dodatkowy kontekst użytkownika wpływał na rekomendacje. Przy insulinie Labplus wskazał na potrzebę powtórzenia badania ze względu na prawdopodobne nieprawidłowe przygotowanie, a przy witaminie D uwzględnił już prowadzoną suplementację.
- Systemy różniły się w priorytetyzacji wyników i dalszych zaleceniach. ZDROT AI szerzej rozwijał wskazówki dotyczące diety, aktywności i rekomendacji produktowych, a Labplus wykorzystywał dodatkowy kontekst i wskazywał dalszą diagnostykę oraz kontrolę wyników.
- Dwa przypadki nie wystarczają do oceny klinicznej równoważności systemów. Rekomendacje nie zostały poddane niezależnej ocenie klinicznej przez lekarza.
