Preeclampsja jest potencjalnie groźnym powikłaniem, które może wystąpić w ciąży. Wśród kobiet dotkniętych tą diagnozą od 5% do 20% doświadcza poważnych komplikacji, które mogą zagrozić ich życiu oraz zdrowiu dziecka. Współczesne modele predykcji ryzyka ciężkich komplikacji związanych z preeklampsją, takie jak PIERS-ML (uczenie maszynowe) oraz oparte na regresji logistycznej fullPIERS, zostały opracowane w celu identyfikacji pacjentek najbardziej zagrożonych niekorzystnymi skutkami zdrowotnymi w ciągu 48 godzin od przyjęcia do szpitala. Jednakże, jak wynika z najnowszych badań opublikowanych 4 lutego w czasopiśmie naukowym „PLOS Medicine”, skuteczność tych modeli wyraźnie maleje wraz z upływem czasu.
Badania, prowadzone przez Henka Groena z Uniwersytetu w Groningen w Holandii oraz jego zespół, przeanalizowały dane 8 843 kobiet zdiagnozowanych z preeklampsją w okresie pomiędzy 2003 a 2016 rokiem. Średni wiek ciążowy pacjentek wynosił 36 tygodni. Badania objęły zarówno oceny PIERS-ML oraz fullPIERS, jak i wyniki zdrowotne uczestniczek. Celem było określenie, w jaki sposób modele te sprawdzają się w długoterminowej ocenie ryzyka dla kobiet z tym schorzeniem.
Wyniki wskazały, że zarówno PIERS-ML, jak i fullPIERS nie utrzymują wysokiej skuteczności w przypadku wielokrotnej oceny ryzyka u kobiet z preeklampsją. Chociaż model PIERS-ML ogólnie dobrze radzi sobie z identyfikowaniem pacjentek o bardzo wysokim lub bardzo niskim ryzyku, jego dokładność w szerszych kategoriach średniego ryzyka (wysokie-umiarkowane i niskie-umiarkowane) znacząco maleje po 48 godzinach od przyjęcia do szpitala. Model fullPIERS wykazywał niższą skuteczność w porównaniu do PIERS-ML na wszystkich etapach oceny.
Zdaniem autorów badania, choć te modele wciąż znajdują zastosowanie w praktyce klinicznej jako jedyne dostępne narzędzia, ich prognozy należy traktować z coraz większą ostrożnością w miarę postępu ciąży. Zauważono, że istnieje pilna potrzeba opracowania nowych modeli predykcyjnych, które będą skuteczne nie tylko w początkowej fazie po hospitalizacji, ale również przy wielokrotnych ocenach stanu pacjentki w ciągu kolejnych dni czy tygodni.
Autorzy pracy badawczej zwracają uwagę na to, że obecne modele przewidywania powikłań związanych z nadciśnieniem ciążowym zaprojektowano przede wszystkim z myślą o wstępnej ocenie ryzyka dla matek. Z ich badań wynika jednak, że używanie tych modeli w sposób powtarzalny, w kolejnych dniach po pierwotnym przyjęciu do szpitala, może prowadzić do coraz mniej trafnych prognoz. To znaczące ograniczenie, które powinno skłonić środowisko medyczne do opracowania bardziej dynamicznych metod oceny ryzyka.
Podsumowując, obecne narzędzia przewidywania powikłań preeklampsji mają ograniczoną przydatność w dłuższym horyzoncie czasowym. Choć ich zastosowanie jest uzasadnione w początkowej fazie hospitalizacji, lekarze powinni być świadomi ich ograniczeń i korzystać z nich w połączeniu z innymi metodami monitorowania stanu zdrowia pacjentki. Wkrótce konieczne będzie opracowanie innowacyjnych modeli, które będą lepiej dostosowane do pracy ciągłej, zapewniając bardziej trafne oceny ryzyka w zmieniających się warunkach ciąży i leczenia.
