Sequence models reveal diagnosis accumulation pathways beyond comorbidity burden in population-scale hospital data

Sintesi Tecnica: I modelli di sequenza rivelano i percorsi di accumulo della diagnosi oltre il carico di comorbidità

Definizione del problema
Gli attuali strumenti clinici per la valutazione del carico di malattia, come l'indice di comorbidità di Elixhauser, si basano su riepiloghi trasversali delle condizioni presenti in un momento specifico. Sebbene efficaci per predire la mortalità in ospedale e l'uso di risorse, questi indici scartano informazioni longitudinali critiche: la tempistica, la sequenza e il ritmo dell'accumulo della morbilità. Di conseguenza, non riescono a catturare l'eterogeneità dinamica dei percorsi di invecchiamento, dove individui con età e carico di malattia statico simili possono sperimentare traiettorie di salute futura drasticamente diverse. Gli autori indagano se le storie longitudinali di diagnosi ospedaliere contengano informazioni predittive oltre all'età, al sesso e ai punteggi di comorbidità stabiliti, e se i modelli di sequenza possano estrarre tali informazioni per identificare traiettorie di salute divergenti.

Metodologia
Lo studio utilizza 13 anni di dati nazionali austriaci sui rimborsi delle degenze ospedaliere (1997–2009) che coprono 7,4 milioni di pazienti. L'approccio prevede un processo in due fasi:

1. Preaddestramento contrastivo (non supervisionato):

   • Architettura: Un transformer a livello di visita (encoder di tipo BERT a 4 strati) elabora le storie dei pazienti come sequenze di visite ospedaliere.
   • Input: Ogni visita è codificata utilizzando codici di diagnosi ICD-10, il tempo trascorso dall'ammissione precedente (suddiviso in mesi) e il sesso del paziente.
   • Obiettivo di addestramento: Il modello impiega l'apprendimento auto-supervisionato contrastivo utilizzando una perdita InfoNCE. Genera due viste stocastiche aumentate della storia del paziente tramite code dropout e sottocampionamento delle visite. L'obiettivo è massimizzare la somiglianza tra gli embedding di queste due viste per lo stesso paziente, minimizzando al contempo la somiglianza con altri pazienti nel batch.
   • Output: Questo processo produce un embedding della storia del paziente a 32 dimensioni che cattura la struttura delle traiettorie mediche longitudinali senza richiedere etichette di esito.

2. Predizione a valle (supervisionata):

   • Coorte: Una coorte non inclusa nel training di 1,7 milioni di individui (follow-up 2010–2014).
   • Modelli: Sono state confrontate quattro classi di modelli:
     • Demografico: Età e sesso.
     • Comorbidità: Età, sesso e punteggio Elixhauser.
     • Embedding: Età, sesso e l'embedding della storia del paziente appreso.
     • Combinato: Tutte le caratteristiche.
   • Esiti:
     • Blocchi di malattie incidenti: 131 blocchi specifici di esiti per capitolo ICD-10 (A00–N99).
     • Sopravvivenza libera da eventi: Un endpoint composito a livello di traiettoria definito come rimanere in vita senza accumulare un secondo blocco di malattie ICD-10 precedentemente non registrato o morte in ospedale durante il follow-up di 5 anni.
   • Analisi del rischio residuo: Per isolare il valore dell'embedding, gli autori hanno calcolato il "rischio residuo" ($r_i = \hat{p}_{embedding} - \hat{p}_{comorbidity}$) per i pazienti con rischio basale simile (stratificato per età, sesso e decili Elixhauser). Ciò ha identificato i pazienti in cui l'embedding prevedeva un rischio significativamente più alto o più basso rispetto al modello di comorbidità standard.

Risultati chiave

• Performance predittiva:

  • Il modello di embedding ha superato il modello demografico per 101 dei 131 blocchi di malattie (guadagno mediano AUC +0,012) e il modello di comorbidità basato su Elixhauser per 93 dei 131 blocchi (guadagno mediano AUC +0,006).
  • I guadagni non sono stati uniformi; si sono concentrati nei disturbi mentali, muscoloscheletrici, del sistema nervoso e metabolici. I guadagni sono stati trascurabili o assenti per neoplasie, malattie infettive e malattie della pelle.
  • Per l'endpoint composito di sopravvivenza libera da eventi, il modello di embedding ha raggiunto un'AUC di 0,726 rispetto allo 0,722 del modello di comorbidità (guadagno +0,0037).

• Rischio residuo e divergenza delle traiettorie:

  • Tra i pazienti con rischio predetto quasi identico sotto il modello di comorbidità (rischio medio ~0,53), quelli assegnati un alto rischio residuo dall'embedding hanno sperimentato esiti significativamente peggiori.
  • Sopravvivenza libera da eventi: I pazienti ad alto rischio residuo hanno avuto 132–183 giorni in meno di sopravvivenza libera da eventi in cinque anni rispetto ai loro pari a basso rischio residuo.
  • Equivalenza di età: I pazienti ad alto rischio residuo (es. età 50) hanno mostrato tassi di eventi comparabili a pazienti a basso rischio residuo più anziani di oltre un decennio (es. età 64).
  • Caratteristiche cliniche: Il segnale dell'embedding era correlato a differenze misurabili nella storia pre-landmark non catturate dal punteggio Elixhauser: maggiore frequenza di visite, maggiore diversità diagnostica, più capitoli ICD-10 interessati, accumulo più rapido dei blocchi di malattie e tempo più breve dall'ultima ammissione.

Significatività e rivendicazioni
L'articolo sostiene che le storie longitudinali di diagnosi ospedaliere contengono informazioni sulla futura accumulazione della morbilità che vengono compresse o perse nelle sintesi statiche della comorbidità. Il contributo primario non è un massiccio aumento uniforme della discriminazione media (AUC), ma piuttosto la capacità di rivelare un'eterogeneità clinicamente significativa tra pazienti che appaiono simili sotto le metriche convenzionali.

Gli autori sostengono che i modelli di sequenza contrastivi possono estrarre segnali relativi alla ampiezza, alla recenza e al ritmo dell'accumulo delle malattie. Ciò consente l'identificazione di rischi "nascosti" di accumulo della morbilità, offrendo una descrizione basata sulla traiettoria dell'eterogeneità della durata della salute (healthspan) che i conteggi statici non possono fornire. Lo studio suggerisce che, sebbene i guadagni medi in AUC siano modesti, l'identificazione di traiettorie divergenti in pazienti con carichi statici simili rappresenta un passo significativo verso la comprensione della natura dinamica dell'invecchiamento e della multimorbidità.

Limitazioni rilevate
Gli autori riconoscono esplicitamente che l'analisi è limitata alle richieste di rimborso per degenza ospedaliera, mancando diagnosi ambulatoriali, farmaci e fattori di stile di vita. Notano che i modesti guadagni potrebbero riflettere i limiti dei dati ospedalieri o la difficoltà intrinseca di predire ampi esiti di morbilità partendo da baseline già informative. Inoltre, l'analisi del rischio residuo è descrittiva e identifica associazioni piuttosto che stabilire causalità o processi modificabili.