Wprowadzenie
Ostre uszkodzenie nerek (AKI) jest poważnym i powszechnym powikłaniem zakażenia SARS-CoV-2. Większość dotychczasowych narzędzi oceny ryzyka AKI została zaprojektowana z myślą o oddziałach intensywnej terapii lub populacjach osób starszych. Wraz z przechodzeniem pandemii COVID-19 w fazę endemiczną rośnie zapotrzebowanie na transparentne i precyzyjne modele predykcyjne, które będą wspierać decyzje kliniczne w różnych grupach pacjentów.

Znaczenie metod XAI w medycynie
W dziedzinach takich jak medycyna, gdzie decyzje mogą mieć krytyczne konsekwencje dla pacjentów, istotne jest, aby modele uczenia maszynowego były nie tylko skuteczne, ale również zrozumiałe dla użytkowników. Metody wyjaśnialnej sztucznej inteligencji (XAI, ang. Explainable AI) pozwalają na przejrzystą interpretację działania modeli, co buduje zaufanie i umożliwia ich zastosowanie w praktyce klinicznej. Dzięki temu lekarze mogą lepiej zrozumieć mechanizmy, które leżą u podstaw predykcji, oraz skuteczniej wspierać pacjentów w podejmowaniu decyzji dotyczących leczenia.

Cele
Celem pracy było opracowanie wiarygodnego i transparentnego modelu predykcyjnego ryzyka wystąpienia AKI u hospitalizowanych pacjentów z COVID-19, który mógłby być łatwo interpretowany przez personel medyczny.

Pacjenci, metody i wyniki
Analiza objęła dane medyczne 4630 pacjentów z COVID-19 hospitalizowanych  w dużym ośrodku referencyjnym w Małopolsce, w okresie od marca 2020 r. do stycznia 2022 r. . Wykorzystano model lasów losowych, dostrojony za pomocą wiedzy eksperckiej i walidacji krzyżowej. Średnia wydajność modelu, oceniona na podstawie pola pod krzywą (AUC), wyniosła 0,798. Zastosowanie metod XAI umożliwiło identyfikację kluczowych czynników ryzyka, takich jak potrzeba wsparcia oddechowego, przewlekła choroba nerek i stężenie prokalcytoniny, co dodatkowo zwiększyło zrozumienie wyników przez personel medyczny.

Wnioski
Model CRACoV‑AKI pozwala na skuteczną i transparentną ocenę ryzyka AKI, wspierając lekarzy w podejmowaniu świadomych decyzji. Dzięki zastosowaniu technik XAI narzędzie to może być z powodzeniem wykorzystane w praktyce klinicznej, zapewniając zrozumiałe i precyzyjne wsparcie decyzyjne.