Zespół badaczy zaproponował SynerT - hybrydowy model oparty na czasowych sieciach neuronowych, który analizuje fale vitalne pacjentów podczas operacji chirurgicznych, aby przewidzieć ryzyko ostrej niewydolności nerek. Model łączy przyczynową sieć TCN (Temporal Convolutional Network) z warstwami rekurencyjnymi, przetwarzając dane z pierwszych 60 minut zabiegu. Naukowcy zbudowali dwie ulepszone wersje: SynerT-MM integrującą dane hemodynamiczne i preoperacyjne, oraz SynerTStack - zespół modelowych prognoz łączący zdywersyfikowane podejścia do nauki maszynowej.
Badanie przeprowadzono na bazie VitalDB zawierającej 2413 przypadków z możliwością analizy fal pomiarowych, wśród których 180 pacjentów rozwinęło AKI. Kluczową innowacją było zastosowanie ścisłej kontroli "wycieków" danych - modele mogły korzystać wyłącznie z informacji dostępnych w rzeczywistym czasie operacji. Badanie wykazało, że sama analiza fal pomiarowych nie jest wystarczająca do dokładnych prognoz. Dopiero gdy dodano dane kliniczne i hemodynamiczne, modele osiągnęły rozsądną zdolność dyskryminacyjną (AUROC i AUPRC).
Wczesne przewidywanie AKI w időbie perioperacyjnym ma ogromne znaczenie kliniczne - odkrycie ryzyka w pierwszą godzinę zabiegu daje lekarzom możliwość podjęcia interwencji przed poważnym uszkodzeniem nerek. Ostра niewydolność nerek po dużych zabiegach chirurgicznych stanowi poważne powikłanie wiążące się z dłuższymi hospitalizacjami i wyższą śmiertelnością. Tego typu modele mogą w przyszłości stać się elementem systemów monitorowania pacjentów w salach operacyjnych.