ディープ・ラーニングベースの早期警告システム 病院入院患者におけるコード・ブルー・イベントのリスクと滞在の長さ: 遡及的現実世界実施研究

科学分野:

• 医療情報学
• 臨床的意思決定支援システム
• 医療における人工知能

背景:

• 患者の即時蘇生を必要とするコード・ブルーのイベントは,患者の85%以上で異常な生命的徴候の傾向が先行しています.
• 継続的なモニタリングとAIによる臨床データの解釈は 病院内での重大な出来事を防ぐことができます

研究 の 目的:

• AIベースの早期警告システムであるVitalCareを導入した後の臨床結果の変化を評価する.
• VitalCareの主要な有害事象スコアと死亡スコアアルゴリズムの予測性能を検証する.

主な方法:

• 一般病棟とICUの30785人の入院患者の電子医療記録を遡って分析した.
• VitalCareの導入前と後の3ヶ月間の比較分析
• コードブルーの発生率,有害事象,長期入院,早期介入の測定;アルゴリズムの性能のためのAUROC計算.

主要な成果:

• VitalCareの導入により,Code Blue事件 (P=0. 004) と長期入院 (P< 0. 05) が24. 97%減少しました.
• 早期介入率の大幅な増加が実施後に観察された.
• VitalCareの主要な有害事象スコア (AUROC 0.865) と死亡率スコア (AUROC 0.937) は,従来のスコアシステムよりも優れたパフォーマンスを示しました.

結論:

• 高度な予測能力を備えたAIベースのモデルは 早期の臨床的洞察を提供することで 病院内での大きな出来事を防ぐことができます
• 人工知能システムは 人力資源と手続きの効率性に関する医療の課題を効果的に解決します