预测韩国急诊室患者创伤死亡率的人工智能模型:回顾性队列研究
Seungseok Lee1, Wu Seong Kang2, Do Wan Kim3
1Department of Biomedical Engineering, Kyung Hee University, Yongin, Republic of Korea.
Journal of medical Internet research
|August 29, 2023
概括
一个人工智能 (AI) 模型使用全面的患者数据准确预测急诊室 (ED) 创伤死亡率. 关键预测因素包括年龄,不反应和生命体征,有助于早期诊断和分拣.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 创伤护理研究 创伤护理研究
背景情况:
- 紧急服务部门 (ED) 对创伤患者的资源分配至关重要.
- 关于在ED环境中导致死亡的因素的数据有限.
研究的目的:
- 开发一种人工智能 (AI) 模型,用于预测ED中创伤死亡率.
- 确定影响ED创伤患者死亡率的关键因素.
主要方法:
- 使用韩国国家紧急情况部门信息系统 (NEDIS) 数据集 (N=6,536,306) 从2016-2019年.
- 包括国际疾病分类第十版 (ICD-10) 代码,人口统计,分类数据 (KTAS,AVPU) 和生命体征作为输入特征.
- 采用5倍交叉验证的整体机器学习模型,比较各种特征集和传统模型.
主要成果:
- 人工智能模型实现了0.9974的最高AUROC,明显超过了其他机器学习和传统模型.
- 确定的最高死亡预测因素是年龄,不反应 (昏迷),氧和,肋骨骨折 (S224),疼痛反应和腰椎骨折 (S320).
- 该模型在医院死亡率预测方面超过了最先进的AI (AUROC=0.7675).
结论:
- 开发的AI模型在预测ED死亡率方面表现出高准确度.
- 基于人工智能的风险计算器可以帮助医疗保健提供者对创伤患者进行分拣和早期诊断.
- 建议使用较大的数据集进行外部验证,以改进模型并最大限度地减少过拟合.
