Cięcie cesarskie kontra sztuczna inteligencja. Technologia może odmienić oblicze tego zabiegu

Według danych statystycznych z zeszłego roku blisko połowa dzieci w Polsce przychodzi na świat przez cięcie cesarskie. To druzgoczące dane, które umieszczają nasz kraj na niechlubnym, europejskim podium. Być może to się zmieni, ponieważ naukowcy opracowali model uczenia maszynowego, który przewiduje ryzyko konieczności cesarskiego cięcia u ciężarnej pacjentki. Celem jest uzyskanie wyniku na długo przed planowanym porodem, umożliwiając przyszłym rodzicom rozważenie zaplanowanego cięcia cesarskiego. 

Dyskusje dotyczące ciąży są w naszym kraju tematem kontrowersyjnym. Oprócz kwestii aborcyjnych pojawiają się również zarzuty dotyczące dostępu do dobrej opieki zdrowotnej, wsparcia kobiety po porodzie oraz dostępu do znieczulenia. Cięcie cesarskie to inaczej operacyjne zakończenie ciąży. W Polsce kończy się tak 47% porodów. W przypadku porodów naturalnych niemal 90% odbywa się bez znieczulenia, ponieważ dostęp do nich jest  ograniczony — jak pisze „Dziennik Gazeta Prawna”. Brak dostępu do porodu bez bólu przekłada się na wysoki odsetek operacyjnie zakończonych ciąż.

W latach 2004-2008 i 2014-2018 przeprowadzono szczegółowe badania opublikowane w Varia Medica dotyczące tego zjawiska. Spośród 14 112 porodów wyodrębniono te, które zakończyły się przez cięcie cesarskie. Po przeanalizowaniu 1 647 porodów w pierwszym okresie oraz 4 296 porodów w drugim okresie zaobserwowano wzrost odsetka takich porodów. I tak w ciągu zaledwie dekady zaobserwowano wzrost z 26,12% na 55,03%. Jednym z wniosków z przywoływanych badań jest tokofobia, która staje się istotnym problemem położniczym, zwłaszcza wśród pierworódek. 

Cięcie cesarskie — dlaczego jest tak popularne wśród pacjentek?

Tokofobia to zaburzenie lękowe polegające na silnym, nieuzasadnionym strachu przed porodem. Osoby, które cierpią na to zaburzenie, mogą odczuwać bardzo silny niepokój, a nawet ataki paniki, tylko na myśl o porodzie czy związanych z nimi badaniach ginekologicznych. Może prowadzić do poważnych komplikacji i wymagać specjalistycznej terapii. Trendujące cięcie cesarskie stało się (nie)bezpieczną rutyną. 

Jak każda procedura chirurgiczna, cięcie cesarskie, niesie ze sobą pewne ryzyko. Obserwuje się tu większe ryzyko śmiertelności matek, ale też dłuższy jest czas rekonwalescencji, niż tradycyjny poród. W nagłych przypadkach to ryzyko jest potęgowane przez podejmowanie decyzji dotyczących takiego zakończenia porodu. Niejednokrotnie ciąże są kończone w przez awaryjne cięcie cesarskie, co nie daje możliwości odpowiedniego przygotowania się do operacji. Stąd też, naukowcy z University of Texas w Austin opracowali narzędzie do przewidywania ryzyka porodów zakończonych przez cięcie cesarskie. 

W jaki sposób ten model może przewidywać wyniki porodu w prawdziwym świecie?

Naukowcy rozpoczęli od wytrenowania modelu na corocznym zbiorze danych dotyczących urodzeń, które prowadzi Centrum Kontroli i Zapobiegania Chorobom (ang. Centers for Disease Control and Prevention). Na podstawie danych ze Stanów Zjednoczonych i zbioru danych 6,5 miliona urodzeń w latach 2011-2013, model nauczył się rozpoznawać pewne cechy, które występowały najczęściej w przypadku porodów zakończonych przez cięcie cesarskie.

Model poprawnie identyfikował prawie 80% cięć ratunkowych, uzyskując wynik 0,77 na 1 w pomiarze poprawności AUC — to miara jakości, której wartość mieści się od 0 do 1, gdzie 0 oznacza, że klasyfikator jest całkowicie nieefektywny, a 1 oznacza, że klasyfikator jest idealny.

Celem naukowców jest uczynienie porodów bezpieczniejszymi poprzez zapewnienie dostawcom narzędzi do lepszej oceny ryzyka pacjentów. Jak to jednak często bywa w przypadku stosowania modeli uczenia maszynowego w realnych scenariuszach, wyniki i reakcje mogą się od siebie różnić. W klinice, gdzie model był testowany, opinie pacjentów były pozytywne. Denise Johnson, położna w UT Health Austin, oceniła system jako wyjątkowy. W klinice od 2020 roku przyszli rodzice mogą skorzystać z takiej usługi podczas pierwszej wizyty. To dodatkowy punkt danych.

Możliwe są jednak wystąpić niezamierzone i niepożądane doświadczenia związane z użyciem modelu. Dyskusja na ten temat wskazała, że kliniczne wykorzystanie oceny ryzyka modelu może mieć konsekwencje w postaci nakłaniania rodziców do planowania niepotrzebnych cięć cesarskich. Model ryzyka wykorzystuje między innymi czynniki, opierając się na rasie, co może wpłynąć na niepoprawną diagnozę. Rola medyków w stosowaniu tego modelu jest więc niezastępowalna. 

Czy sztuczna inteligencja jest rozwiązaniem ogromnej liczby porodów zakończonych przez cięcie cesarskie?

Oczywiście, że nie. Branża medtechowa nie może przeceniać możliwości cyfrowych narzędzi w rozwiązywaniu kryzysu, jakim jest fala porodów zakończona przez cięcie cesarskie. Digitalowe narzędzia zdrowotne takie jak te serwowane z użyciem sztucznej inteligencji nie są rozwiązaniem problemów ochrony zdrowia. Odnosząc się do działań amerykańskiego systemu zdrowotnego, Centrum Kontroli i Zapobiegania Chorobom, wśród przyczyn tego problemu wymienia uwarunkowania zdrowia (w tym ubezpieczenia zdrowotne, dostęp do wysokiej jakości opieki profilaktycznej) i rasizm strukturalny jako istotne czynniki śmiertelności matek w Ameryce.

W Polsce i na świecie liczba cięć cesarskich  rośnie z roku na rok, dzieje się tak jednakowo ze względu na wskazania medyczne, ale też na życzenie pacjentki. Według Światowej Organizacji Zdrowia (ang. World Health Organization), średnia liczba tak zakończonych porodów powinna wynosić około 10-15% wszystkich porodów. Widać więc zdecydowaną różnicę w rekomendowanej procentowo liczbie, a rzeczywistym obrazem cięć cesarskich w Polsce i na świecie. Aby zmniejszyć obciążenie związane ze śmiertelnością matek, rozwiązania technologiczne muszą iść w parze z rosnącym dostępem do podstawowej opieki medycznej. Obecne i przyszłe mamy na to zasługują!