COVID-19患者における人工呼吸、ECMO、および死亡率予測のための機械学習モデルの使用

科学分野:

• クリティカルケア医学
• ヘルスインフォマティクス
• ヘルスケアにおける機械学習

背景:

• 重症COVID-19患者は、しばしば人工呼吸（MV）または体外式膜型人工肺（ECMO）を必要とします。
• これらの介入の必要性および期間の予測は、疾患の不均一性および動態のために困難です。
• 正確な予測は、患者ケアおよびリソース管理にとって重要です。

研究 の 目的:

• COVID-19患者におけるMV期間、ECMO使用、および死亡率を予測するための機械学習（ML）モデルを開発および評価すること。
• 患者の転帰を改善し、MVおよびECMOなどのクリティカルケアリソースの割り当てを支援すること。
• 予測精度を高めるために、人口統計学的および時系列データを活用すること。

主な方法:

• 階層的MLモデルを利用した後向き予後研究。
• エモリー大学病院の10,378人のCOVID-19患者のデータセットでモデルをトレーニングしました。
• 入力データには、人口統計学的情報、バイタルサイン、および検査結果が含まれていました。

主要な成果:

• 最もパフォーマンスの高いMLモデルは、MV期間で0.873、ECMO使用で0.902、死亡率で0.774の加重平均AUROCスコアを達成しました。
• 加重平均AUPRCスコアは、MV期間で0.790、ECMO使用で0.999、死亡率で0.893に達しました。
• この研究には、MV期間、ECMO使用（0.14％）、および死亡率（10.73％）の詳細なデータを持つ大規模コホートが含まれていました。

結論:

• 階層的MLモデルは、COVID-19におけるクリティカルケア転帰の予測において大きな可能性を示しています。
• 容易に入手可能な臨床データでトレーニングされたこれらのモデルは、重症COVID-19の管理において臨床医を支援できます。
• これらの発見は、クリティカルケアにおける患者ケアおよびリソース割り当ての最適化のためのMLの使用を支持します。