创伤的现场伤害严重性预测 (OSISP) 模型是使用瑞典创伤登记处开发的
Anna Bakidou1,2, Eva-Corina Caragounis3, Magnus Andersson Hagiwara4
1Department of Electrical Engineering, Chalmers University of Technology, 412 96, Gothenburg, Sweden. bakidou@chalmers.se.
BMC medical informatics and decision making
|October 9, 2023
概括
人工智能 (AI) 模型可以预测在医院前环境中的严重创伤伤害. 这种人工智能驱动的决策支持旨在改善患者分拣和减少创伤护理中的死亡率.
科学领域:
- 紧急医疗 紧急医疗
- 创伤外科 手术 创伤外科
- 医疗保健中的人工智能
背景情况:
- 最佳的创伤护理受到医院前现场选限制的挑战.
- 现场伤害严重性预测 (OSISP) 模型有可能在机动车辆事故中提供实时决策支持.
- 目前的分选方法导致了显著的不足和过量分选率.
研究的目的:
- 评估基于人工智能 (AI) 的临床决策支持系统,用于识别严重受伤的创伤患者.
- 评估人工智能在改善医院前创伤患者评估和运输决策方面的有效性.
主要方法:
- 使用瑞典创伤注册表 (2013-2020) 训练并验证了五种机器学习模型 (逻辑回归,随机森林,XGBoost,SVM,ANN).
- 模型使用21个预测因素对新伤害严重程度评分进行二元分类,包括伤害位置.
- 在10倍交叉验证和保留分析中使用准确度,AUC,AUCPR和不足/过量选率来评估模型.
主要成果:
- 分析了75,602份注册,其中47,357份符合资格标准.
- 人工智能模型显示了改进分组的潜力,AUC值在0.80-0.89之间,AUCCPR值在0.43-0.62.2之间.
- 该研究在当前的临床结果中发现了显著的不足 (40%) 和过量 (46%).
结论:
- 基于人工智能的OSISP模型显示出支持医院前伤害严重性评估的前景.
- 这些模型可以为开发工具提供信息,以增强现场分拣协议.
- 实施人工智能决策支持有可能改善医院前创伤护理,减少发病率和死亡率.
