在高风险烧伤患者中实施AI模型进行预后预测

科学领域:

• 医疗信息学 医疗信息学
• 计算医学是一种计算医学.
• 医疗保健中的人工智能

背景情况:

• 烧伤的严重程度各不相同,从轻微到危及生命.
• 根据烧伤严重程度和位置,治疗方法各不相同,从家庭护理到专门的烧伤中心.
• 预测烧伤患者的不良结果对于有效管理至关重要.

研究的目的:

• 开发和评估人工智能 (AI) 和机器学习 (ML) 模型,用于预测烧伤患者的不良影响.
• 预测移植手术,长时间住院和整体并发症的可能性.
• 将预测性AI模型集成到医院信息系统中,以支持临床决策.

主要方法:

• 对2010年至2019年期间入院的224名烧伤患者的回顾性分析.
• 使用了14个特征,包括并发症和实验室结果,用于模型培训和测试 (70%训练,30%测试).
• 采用随机森林,轻GBM和后勤回归算法,以准确度,灵敏度,特异性和AUC进行评估.

主要成果:

• 随机森林模型实现了最高的AUC (81.1%) 预测长时间住院 (>14天).
• 随机森林模型显示了预测需要皮肤移植的最高AUC (78.8%).
• 随机森林和XGBoost模型显示了预测整体不良并发症的最高AUC (87.2%).

结论:

• 人工智能和机器学习模型有效地预测了长时间住院,皮肤移植需求以及烧伤患者的不良并发症.
• 开发的AI预测系统可以集成到医院系统中,以加强临床决策.
• 这种方法支持改善医生和患者之间的沟通,并为烧伤幸存者提供护理计划.