在ICU中使用受约束数据同化和电子健康记录数据进行可解释的生理预测.
David Albers1, Melike Sirlanci2, Matthew Levine3
1Department of Biomedical Informatics, University of Colorado Anschutz Medical Campus, Aurora, 80045, CO, USA; Department of Biomedical Engineering, University of Colorado Anschutz Medical Campus, Aurora, 80045, CO, USA; Department of Biostatistics and Informatics, University of Colorado Anschutz Medical Campus, Aurora, 80045, CO, USA; Department of Biomedical Informatics, Columbia University, New York, 10032, NY, USA.
Journal of biomedical informatics
|August 21, 2023
概括
数据同化 (DA) 具有受约束的推理,通过稀疏的电子健康记录数据来改善生理预测. 这种方法提高了准确性,并减少了对重症监护预测的数据需求.
科学领域:
- 计算生物学是一种计算生物学.
- 生理学建模 生理学建模
- 医学中的数据科学.
背景情况:
- 生理学预测对于医疗干预至关重要,但由于复杂,稀疏和非静止的临床数据而具有挑战性.
- 传统的计算方法难以应对电子健康记录 (EHR) 数据的噪音和有限性.
- 数据同化 (DA) 通过将机械模型与推理技术相结合提供了一个有前途的方法.
研究的目的:
- 开发和评估一种新的数据同化框架,用于使用稀疏的EHR数据预测生理过程.
- 通过将葡萄糖-胰岛素模型嵌入到新的DA框架中,预测重症监护室 (ICU) 患者的血糖水平.
- 评估受约束推理对预测准确性和数据要求的影响.
主要方法:
- 开发了一种使用受约束组合卡尔曼波器 (CEnKF) 预测血糖的方法管道.
- 提取复杂的患者数据,包括营养,葡萄糖,胰岛素和药物,手动进行准确.
- 实时估计模型,比较受约束和不受约束的过器,以及各种模型参数和约束来评估预测准确性.
主要成果:
- 新型CEnKF在稳定性和准确性方面取得了显著的改进,比无约束过器更少的数据.
- 准确的预测取决于注射的胰岛素和输管营养;静脉注射葡萄糖没有提高准确性.
- 模型灵活性受到约束边界和参数估计的影响,影响了预测性能.
结论:
- 准确和强大的生理预测是可以实现的DA,即使在稀疏的临床数据.
- 受到约束的推断,特别是对未测量状态和参数的推断,有效地减少了预测错误和数据需求.
- 虽然模型灵活性很重要,但过于严格或松散的约束可能会增加预测错误.
