自动化ML技术用于预测ICU中的COVID-19死亡率
Aikaterini Sakagianni1, Christina Koufopoulou2, Dimitrios Kalles3
1Sismanogleio General Hospital, Intensive Care Unit, Marousi, Greece.
Studies in health technology and informatics
|June 30, 2023
概括
机器学习模型可以使用常规血液生物标志物预测COVID-19重症监护室 (ICU) 死亡率. 关键预测因素包括年龄,尿素,血小板,C反应蛋白,血红蛋白和SGOT,有助于临床决策.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
- 临床决策支持 临床决策支持
背景情况:
- COVID-19仍然是一个重大的全球公共卫生挑战.
- 机器学习 (ML) 提供了改善临床决策和重症监护机构资源管理的潜力.
- 准确的预后模型对于在重症监护室 (ICU) 管理COVID-19患者至关重要.
研究的目的:
- 开发和评估一种预后模型,用于预测COVID-19患者的ICU死亡率.
- 确定关键的人口统计和常规血液生物标志物预测ICU死亡率.
- 展示基于云的AI平台的实用性,用于创建预后模型.
主要方法:
- 从COVID-19ICU患者的人口统计和常规血液生物标志物数据的回顾性分析.
- 使用谷歌Vertex AI平台开发一个预后模型.
- 使用接收器操作特征曲线 (AUC-ROC) 下面的面积来评估模型性能.
主要成果:
- 预后模型实现了高性能,AUC-ROC为0.955.
- 在ICU死亡率中,最重要的6个预测因素是年龄,血清尿素,血小板,C反应蛋白,血红蛋白和SGOT.
- 该研究强调了人工智能平台对模型开发中非专家用户的可访问性.
结论:
- 机器学习模型可以使用随时可用的临床数据有效预测COVID-19 ICU死亡率.
- 关键生物标志物如年龄,尿素,血小板,CRP,血红蛋白和SGOT都是死亡风险的强有力的指标.
- 可访问的人工智能平台有助于开发关键的预后工具,用于重症监护.
