急性ケア環境における小児シャント機能不全とシャントGPTの発達を特定するための機械学習方法

科学分野:

• 神経外科は神経外科です.
• 人工知能 (AI) とは,人工知能 (AI) のことです.
• 小児救急医療について

背景:

• 急性ケアにおけるシャントの故障を予測するのは難しい.
• 伝統的な統計的方法には,緊急事態管理局 (ED) の設定で限界があります.
• 機械学習 (ML) は,シャントの故障に対する強化された予測能力を提供します.

研究 の 目的:

• 小児ED診察におけるシャント修正の必要性を予測するためのMLと人工知能を探求する.
• 伝統的な分析と異なるMLモデルのパフォーマンスを比較します.
• 独自の大型言語モデル,ShuntGPT (SGPT) の有効性を評価する.

主な方法:

• シャント機能不全に関する1167件の小児神経外科の診察 (2017年-2022年) の遡及的分析.
• 24の歴史的,臨床的,放射線学的変数を集めました.
• 応用ML技術:サポートベクトルマシン,K-Nearest Neighbors,ランダムフォレスト,人工ニューラルネットワーク (ANN),シャントGPT (SGPT).

主要な成果:

• 24.4%の患者がシャントの修正を必要とした.
• 主な予測要因は,心室の大きさの増加,異常なシャントシリーズ,怠惰,精神状態の変化,ブラディカルディア.
• ANN (AUC 0.88) とSGPT (AUC 0.927) が最も高いパフォーマンスを示した.
• SGPTは画像データなしででも高い精度 (AUC 0.84) を維持しました.

結論:

• 先進的なMLモデル,特にSGPTは,シャント修正の予測において従来の方法よりも優れている.
• SGPTの微妙なテキストを解釈する能力は,その優れた性能に貢献します.
• MLモデルは,シャント機能不全の小児急性ケアにおける意思決定を改善する見込みを示しています.