The American Heart Association PREVENT™ Online Calculator

Development and Validation of the American Heart Association’s PREVENT Equations

המחקר הישראלי:

Cardiovascular risk assessment in the 2021 European Guidelines on Cardiovascular Disease Prevention – A Population-Based Validation of SCORE2 and SCORE-OP

SCORE2 cardiovascular risk prediction models in an ethnic and socioeconomic diverse population in the Netherlands: an external validation study

Validation of Systematic Coronary Risk Evaluation 2 (SCORE2) and SCORE2-Older Persons in the EPIC-Norfolk prospective population cohort

Single High-Sensitivity Point-of-Care Whole-Blood Cardiac Troponin I Measurement to Rule Out Acute Myocardial Infarction at Low Risk

הסי-סטטיסטיק מודד יכולת הפרדה של כלי לחיזוי. מתוך כל הזוגות ברי ההשוואה, שבהם משתתף אחד חלה ומשתתף שני לא חלה (או חלה מאוחר יותר), באיזה אחוז הכלי אכן נתן ציון גבוה יותר (גרוע יותר) למשתתף הראשון. הוא דומה מאוד לשטח תחת העקומה המשמש למדידת יכולת ההפרדה של בדיקה אבחנתית, וגם לאחוז המקרים בהם פרשן ספורט נתן מראש ציון גבוה יותר למשתתפת שתנצח במשחק הטניס לעומת הציון לזו שתפסיד. במודלים לחיזוי, משתמשים בסי-סטטיסטיק ולא בשטח תחת העקומה. הסיבה היא משך המעקב השונה עבור כל אחד מהמשתתפים, ונתונים הכוללים גם זמן עד אירוע המחלה.

ערך של הסי מעל 0.9 נחשב יכולת הפרדה מצוינת, ועריך שבין 0.7 ל 0.8 נחשב כיכולת הפרדה סבירה.

Discrimination

Harrell’s c index= “c-statistic”

AUROC-area under the ROC curve

PREVENT score for predicting cardiovascular disease

Common Diseases in Clinical Cohorts — Not Always What They Seem

במבוגרים עם מחלת מעי דלקתית, טרשת נפוצה או דרמטיטיס אטופי, האם אולי מדובר באבחנה אחרת, נדירה? כאשר בוצע ריצוף גנים רלוונטים, התגלו אצל שיעור לא זניח מחולים אלו מחלות גנטיות נדירות שמסבירות את התסמינים. מדובר באחוז עד חמישה אחוז, תלוי במדגם שנבדק ובמחלה. ייתכן שבחלק מהמקרים המחלה הגנטית נוספת לאבחנה הנכונה, אך בחלק אחר מדובר בטעות אבחנתית. טעות אבחנתית כזו יכולה להוביל לטיפול מיותר ולהחמצת הזדמנויות טיפול טובות יותר, ויש לטעות כזו גם השלכות על מחקר רפואי. ניתן לגלות את האבחנה הנכונה בעזרת ריצוף של גנים הקשורים לתפקוד המערכת הרלוונטית, חיפוש שינויים נקודתיים באותם גנים, והערכה האם מדובר בשינויים פתוגניים.

SNV- single nucleotide variation

Rare genetic diseases

likely pathogenic variant

OMIM

UK biobank

Multiple sclerosis

Inflammatory bowel disease

Atopic dermatitis

CVID- Common Variable Immunodeficiency

Ichthyosis vulgaris

CADASIL

Use of Brier score to assess binary predictions

Expert-Level Detection of Epilepsy Markers in EEG on Short and Long Timescales

המאמר המקורי של בראייר:

VERIFICATION OF FORECASTS EXPRESSED IN TERMS OF PROBABILITY

 הן במודל בינה מלאכותית והן כאשר מדובר על בדיקה אבחנתית שמבצעת תחזית ונותנת את התוצאה באחוזים, ניתן לבדוק את הקליברציה גם בעזרת ציון בראייר, שנקבע לפי ההפרש בין התחזית עבור תצפית מסוימת לבין התוצאה בפועל. גם התחזית וגם התוצאה נמדדות באחוזים, או בשבר עשרוני, אך לעומת התחזית שיכולה להיות כל מספר בין 0 ל 1, התוצאה בפועל כאשר מדובר על תוצא דיכוטומי יכולה להיות רק אחד משני הערכים- או 0 או 1. ציון בראייר משתמש בהפרשים האלו, עבור כל התצפיות, וממצע אותם. ככל שהבדיקה היא עם קליברציה טובה יותר, הציון יהיה קטן יותר. לרוב גרף קליברציה טוב יגיע יחד עם ציון בראייר נמוך (טוב), אך לא תמיד.

Brier score

Calibration

Machine learning

Training set

Validation set

EEG

Spikes

 Aspirin in Patients with Chronic Coronary Syndrome Receiving Oral Anticoagulation

Antithrombotic Therapy for Atrial Fibrillation with Stable Coronary Disease

קווים מנחים בנושא שהתפרסמו השנה, אך לפני מחקר זה:

Antiplatelet and Anticoagulant Therapy in the 2025 ACC/AHA Guideline for Acute Coronary Syndromes: Key Recommendations

מחקר השנה שלי עוסק בבעיה קלינית משמעותית ונפוצה, בהחלטה בעלת משמעות רבה לחיי המטופלים, ותוצאותיו סותרות תפיסות פיזיולוגיות ופרמקולוגיות קודמות.

Medical reversal

Dual therapy

Anticoagulant therapy

Antiplatelet therapy

Aspirin

Loss to follow up

Evaluating Prediction Model Performance

Evaluation metrics and statistical tests for machine learning

Towards proactive palliative care in oncology: developing an explainable EHR-based machine learning model for mortality risk prediction

 ///

כאשר מעריכים ביצועים של מודל בינה מלאכותית המבצע קלסיפיקציה לשני מצבים (למשל, גבר או אשה בתמונה, דלקת ריאות או העדר דלקת ריאות בצילום), משתמשים באותה טבלת שכיחויות המוכרת לנו מהערכת ביצועי בדיקה אבחנתית. גם בחקר ביצועי הבינה וגם ברפואה הנתונים הגולמיים (כמו למשל שיעור בדיקה חיובית כוזבת) נקראים באותו שם. אך כאשר מדובר במדדי ביצוע מורכבים, השמות משתנים. במקום רגישות, משתמשים במונח ריקול, ובמקום ערך מנבא חיובי, במונח פרסיז'ן. בניגוד לרפואה ולמחקר על בדיקות רפואיות, במדידת ביצועי מודל בינה מלאכותית משתמשים הרבה גם במדד המתייחס בבת אחת גם לרגישות וגם לערך המנבא החיובי, מדד 1F, שהוא ממוצע הרמוני של שני אלו. ממוצע הרמוני "מעניש" עבור ערך נמוך, זאת אומרת יהיה קרוב יותר לערך הנמוך יותר מבין שני הערכים.

Accuracy

True/false  positive/negative

Positive predictive value=Precision

Sensitivity=Recall

F1

AUROC

AUPRC

לאחר העיבוד ברמת הנוירון המלאכותי הבודד, המסר עובר הלאה ברשת ה"נוירונים" ובסופו של דבר מתקבלת תחזית. בין התחזית לבין האמת ייתכן פער. המערכת מזהה את הפער בעזרת פונקציית ההפסד, ומעבירה היזון חוזר ("הפצה לאחור") כדי לתקן את המשקלים שכל אחד מהנוירונים המלאכותיים נותן לקלטים שלו. התהליך חוזר שוב ושוב עד הגעה למצב מיטבי שבו הפער בין התחזית לאמת הוא הקטן ביותר.

התהליך של משוב מוכר לנו מהמערכת האנדוקרינית, למשל השליחה "קדימה" של הורמון בלוטת התריס והמידע "החוזר לאחור" הנשלח מההיפופיזה חזרה לבלוטת התריס לגבי צורך בתיקון. בלימוד הרפואה יש תהליך דומה מאוד לתהליך בבינה המלאכותית: הלומד נותן משקלים שונים לאנמנזה, לבדיקה הגופנית ולבדיקות המעבדה. המשקלים האלו מובילים אותו להחלטה על האבחנה המשוערת. המנטורית מזהה פערים בין ההחלטות של הלומד לבין ההחלטות הנכונות, ונותנת לו משוב שיאפשר לו לתת משקל קצה שונה לכל אחד מהקלטים שהוא מקבל, למשל מתן משקל גדול יותר לאנמנזה. חזרה שוב ושוב על התהליך הזה מול מטופלים שונים תהפוך את הלומד למומחה.

Loss function

Back propagation

Mentoring

Machine learning

Multiplication and accumulation unit

Activation unit

Artificial neuron

Perceptron

Decision

ביחידות כמו רופא שמבצע שיקול קליני, מחקר המשתמש ברגרסיה לחיזוי, נוירון או פרספטרון- יש רכיב אחד שמבצע מכפלה ואז סיכום, ורכיב נוסף שמבצע החלטה מתמטית מה לעשות עם הסכום שהתקבל, למשל האם להפנות למיון, האם להעביר את המסר באקסון או האם להעביר את המסר החשמלי הלאה.

Perceptron

MAC unit

Activation unit

Decision

Neural network

Threshold

Clinical reasoning

Weighting

Neuron

Neuron’s soma

Membrane potential

Dendrites

Axon

Artificial Intelligence

Linear regression

Logistic regression

Learning

Weights/coefficients

Sum

Constant

Early influenza virus characterisation and vaccine effectiveness in England in autumn 2025, a period dominated by influenza A(H3N2) subclade K

Immunogenicity as a Predictor of Influenza Vaccine Efficacy: A Systematic Review

COVID-19 vaccination and changes in preventive behaviours: findings from the 2021 vaccine roll-out in Switzerland

Impact of Influenza Vaccination on All-Cause Mortality and Hospitalization for Pneumonia in Adults and the Elderly with Diabetes: A Meta-Analysis of Observational Studies

עד כה יש מעט מאוד מחקר מדעי על תת הזן החדש של שפעת, קיי (שהוא שבט מתוך המטה H3N2). מחקר מאנגליה בדקת אימונוגניות של תתי זנים קודמים כנגד זן זה במעבדה (בעזרת "הדבקת דם"), ואת מועילות חיסון 2025-2026 כנגד זן זה בעזרת מחקר מקרה בקרה בקרב אנשים שבצעו בדיקה לשפעת.

Vaccine effectiveness

Immunogenicity

Type, subtype, subclade, strain

Hemagglutination inhibition

Hemagglutinin

Vaccine effectiveness

Unmeasured bias

Social distancing

Negative test case control

Influenza A(H3N2) subclade K

Beta-Blockers after Myocardial Infarction with Normal Ejection Fraction

כהמשך לשני המחקרים שהוצגו לאחרונה בפודקאסט על חסמי בטא.

 מטא אנליזה על חמישה מחקרים ובהם כ 18 אלף איש, בדקה תועלת חסם בטא במטופלים לאחר התקף לב עם תפקוד חדר שמאל תקין. התוצא היה מורכב (התקף לב, מוות או אי ספיקת לב) ולאחר מעקב חציוני של שלוש וחצי שנים לא נראתה תועלת מובהקת לטיפול. למרות זאת, הרווח בר סמך כלל גם אפשרות של תועלת משמעותית קלינית, וכיוון שהיה מעבר מטופלים מזרוע טיפול אחת לשניה יש ספק מסוים בממצאי המחקרים. בינתיים עדיין אין שינוי בהנחיות הקליניות ורוב המטופלים לאחר התקף לב אמורים לקבל חסם בטא אם אין התוויות נגד.

Beta blockers

Myocardial infarction with preserved ejection fraction

Meta analysis

Use of new CORE risk score to predict 10 year risk of liver cirrhosis in general population: population based cohort study

המחקר שמתוכו נוצר סולם החיזוי לצירוזיס הוא בעל תקפות נמוכה אם מסתכלים עליו כמחקר על בדיקה אבחנתית. הדבר נובע בעקר משיטת מחקר המתבססת רטרוספקטיבית על נתונים הקיימים בתיק הממוחשב. במקום להשתמש בגולד סטנדרט לצירוזיס, השתמשו באבחנות שנרשמו בתיקים הרפואיים. במקום לוודא קלינית שבתחילת המחקר אין לאנשים מחלת כבד, השתמשו בהעדר אבחנה בתיק הרפואי כסימן לכך. בנוסף, הייתה תלות בין בדיקת האבחנה לבין ביצוע בדיקה ההשוואה, ולא הייתה הסמיה של מבצעי בדיקת ההשוואה (רופאים שרשמו או שלא רשמו אבחנות הקשורות לצירוזיס) לבדיקה שמעניינת אותנו (למשל, ערכי אנזימי הכבד).

מחקר שמייצר מודל לחיזוי צריך להשתמש גם בקבוצות לאימות, ולידציה.  שני מחקרי ולידציה, באנגליה ובפינלנד, הראו תוצאות דומות למחקר המקורי מבחינת קליברציה ורווח נקי מהבדיקה אך תוצאות שונות בדיסקרימינציה של הבדיקה.

במחקרים בהם חסרים נתונים, משתמשים בשיטות סטטיסטיות להשלמת נתונים חסרים. למשל, אפשר לנסות לחזות מתוך מאפיינים אחרים של המטופל מהו ערך של אחד מאנזימי הכבד אצלו, ולהשתמש בערך החזוי בניתוח הסטטיסטי כאילו היה זה ערך אמיתי. במחקר שלנו השתמשו בשיטה דומה להשלמת נתונים חסרים.

Validity of diagnostic study

Gold standard

Representative sample

Dependency of reference test

Blinding of testing

Prediction models

Validation

Imputation

MICE- Multivariate Imputation by Chained Equations