在大型三级医院使用机器学习预测个体患者的血小板需求
Merlin Engelke1,2, Christian Martin Brieske3, Vicky Parmar1,2
1University Medicine Essen, Institute for Artificial Intelligence in Medicine, Essen, Germany.
概括
这项研究开发了一种人工智能模型,可以提前三天预测个体患者的血小板需求,旨在改善血液银行物流并减少浪费. 虽然特异性很高,但对于临床应用,敏感性需要改进.
科学领域:
- 医疗信息学 医疗信息学
- 血液学 血液学 血液学
- 人工智能的人工智能
背景情况:
- 德国的人口变化预示着捐献者血液的短缺.
- 血小板缩物 (PC) 库存管理是具有挑战性的,原因是短的保质期和波动的需求.
- 准确预测PC需求对于血液银行至关重要.
研究的目的:
- 为了评估来自医院系统的多式联络数据,以预测患者水平的血小板输血需要提前三天.
- 开发第一个基于人工智能的模型,用于预测个体患者的血小板需求.
主要方法:
- 收集了25,190名患者 (2017-2021) 的数据,包括PC输血,血小板计数,药物,诊断,手术和人口统计.
- 通过使用7天的滑动窗口输入训练了两个模型,以预测PC输血需求在第3天.
- 使用超参数搜索和5倍交叉验证优化模型,专注于F2得分.
主要成果:
- 最好的模型实现了高特异性 (0.99),但适度灵敏度 (0.37).
- 性能指标包括AUC-PR为0.45,MCC为0.43和F1得分为0.43.
- 该模型显示了对已知的输血需求进行概括的局限性.
结论:
- 基于人工智能的血小板预测可以增强物流并最大限度地减少血液产品的浪费.
- 该模型显示了作为预测的潜力,用于在三天内识别需要输血的患者.
- 未来的研究应纳入深度学习和更广泛的患者数据,以提高灵敏度和临床实用性.


