Python-pohjainen verenpaineen luokittelu- ja suositusalgoritmi synteettisellä datalla

Abstract

Ohjelmistokehityksen lähestymistapoja voidaan soveltaa kliinisten ohjeiden mallintamisessa ja päätöksenteon tukemisessa. Tässä tutkimuksessa tavoitteena oli kehittää sääntöpohjainen luokittelu- ja suositusalgoritmi Python-ohjelmointikielellä Käypä hoito -suositusten verenpaineluokkien perusteella. Lisäksi tavoitteena oli synteettisen aineiston käyttökelpoisuuden testaaminen algoritmin toteutuksessa.

Aineisto luotiin tekoälyllä, joka tuotti 10 000 potilaan tietokannan. Tämä sisälsi verenpainearvot, lääkitys-tiedot ja sykkeen. Data tallennettiin CSV-muodossa ja analysoitiin Python Pandas-kirjastolla. Algoritmi toteutettiin sääntöpohjaisesti määrittelemällä verenpaineluokat ja niihin liittyvät hoitosuositukset. Tuloksia havainnollistettiin taulukoiden ja kuvaajien avulla.

Tulosten perusteella potilaista suurin osa sijoittui lievän ja korkean normaalin hypertensioalueelle, mikä vastasi aineiston luontivaiheessa asetettuja jakaumia. Algoritmi tuotti eri verenpaineluokkiin johdonmukaisia suosituksia kuten: korkean normaalin ja normaalin ryhmissä painottuivat suositukset seurantaan ja elintapamuutoksiin, kohonneissa luokissa lääkityksen aloitukseen tai tehostamiseen ja kriisitilanteissa päivystykseen ohjaamiseen. Lisäksi tulokset osoittivat, että lähes viidesosa kohonneen verenpaineen ryhmistä oli kokonaan ilman lääkitystä, mikä toi esiin hoitovajeen riskin.

Johtopäätöksenä todettiin, että synteettinen aineisto tarjosi hyvän käyttökelpoisen alustan mallin kehittämiselle ja että Python soveltui hyvin sääntöpohjaisen algoritmin toteuttamiseen. Algoritmi tuotti kliinisesti johdonmukaisia ehdotuksia, sekä toimi käypä hoito -suositusten mukaisesti. Tulokset osoittivat myös, että mallia voidaan hyödyntää jatkossa tekoälyä hyödyntäväksi kokonaisuudeksi päätöksen teon tukijärjestelmän pohjana.