基于深度学习的早期预警得分,用于预测一般病房癌症患者的临床恶化
Ryoung-Eun Ko1, Zero Kim2,3, Bomi Jeon2
1Department of Critical Care Medicine, Samsung Medical Center, School of Medicine, Sungkyunkwan University, 81 Irwon-ro, Gangnam-gu, Seoul 06351, Republic of Korea.
Cancers
|November 14, 2023
概括
一个新的深度学习早期预警分数 (EWS),Can-EWS,通过分析生命体征变化,有效地预测癌症患者的临床恶化. 与现有方法相比,该工具显示了更高的准确性和更少的错误报警,提高了患者的安全性.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
背景情况:
- 住院的癌症患者面临着因治疗或癌症特定问题的恶化高风险.
- 快速反应系统 (RRS) 对于识别和管理病情恶化的患者至关重要.
- 现有的早期预警分数 (EWS) 可能缺乏针对癌症患者独特需求的准确性.
研究的目的:
- 为癌症患者开发一种基于深度学习的早期预警分数 (EWS),称为Can-EWS.
- 为了提高预测准确性,利用生命体征的三角值 (变化) 与原始值一起.
- 增强住院瘤患者临床恶化的早期检测.
主要方法:
- 一项回顾性队列研究包括2016年至2020年期间入院的19739名瘤患者.
- 数据被分为培训 (2016-2019) 和测试 (2020) 集.
- 临床恶化被定义为医院内心脏骤停 (IHCA) 或意想不到的ICU转移;深度学习模型 (Can-EWS V1和V2) 被开发并与MEWS进行了比较.
主要成果:
- 在预测临床恶化方面,Can-EWS V2 结合了 delta 生命体征值,表现出了卓越的性能.
- 在 Can-EWS V2 中,AUROC 达到 0.946 (交叉验证) 和 0.898 (测试组),显著超过 MEWS (AUROC 0.589 和 0.588).
- 与MEWS和Can-EWS V1.1相比,Can-EWS V2显示出更好的特异性,正负预测值,以及更少的错误报警.
结论:
- 一个基于深度学习的EWS (Can-EWS) 已经成功地为癌症患者开发和验证.
- 可-EWS有效地使用原始和三角生命体征值来准确预测临床恶化.
- 与MEWS相比,Can-EWS提供了可接受的区分能力和灵敏度,与虚假报警相比,虚假报警的数量显著减少.
