相关实验视频
Updated: Jul 10, 2025
07:42
A Data-Driven Approach to Quantifying Immune States in Sepsis
Published on: February 7, 2025
177
开发和验证基于深度学习的败血症和败血栓冲击早期预测系统 (DeepSEPS),使用现实世界ICU数据
Taehwa Kim1, Yunwon Tae2, Hye Ju Yeo1,3
1Division of Pulmonology, Allergy and Critical Care Medicine, Department of Internal Medicine, School of Medicine, Pusan National University and Research Institute for Convergence of Biomedical Science and Technology, Pusan National University Yangsan Hospital, Yangsan 50612, Republic of Korea.
Journal of clinical medicine
|November 25, 2023
概括
一个新的深度学习系统,DeepSEPS,准确地预测了毒症和败血症的冲击实时. 这种先进的系统优于传统的评分方法,为早期诊断和改善患者结果提供了有前途的工具.
科学领域:
- 医疗信息学 医疗信息学
- 人工智能在医学中的应用
- 临界护理医学 临界护理医学
背景情况:
- 早期诊断对于成功治疗败血症至关重要.
- 败血症和败血性休克带来了重大的临床挑战,需要及时干预.
- 现有的预警系统在实时预测准确性方面存在局限性.
研究的目的:
- 开发和验证用于实时预测败血症和败血症休克的深度学习系统.
- 将开发系统的性能与传统的预警评分系统进行比较.
主要方法:
- 从2010年到2021年,从电子病历 (EMR) 收集临床数据.
- 利用8个生命体征,13个实验室值和3个人口统计数据点进行系统开发和验证.
- 将基于深度学习的败血症和败血症休克早期预测系统 (DeepSEPS) 与国家早期预警得分,SOFA和qSOFA进行了比较.
主要成果:
- 与SOFA相比,DeepSEPS在败血症 (0.7888) 和败血性休克 (0.8494) 方面表现出更高的AUROC值,表现优越.
- 在所有预测时间点中,DeepSEPS的表现始终优于所有传统的评分系统.
- 在败血症和败血性休克开始时,DeepSEPS实现了0.9346.6的最高AUROC.
结论:
- 开发的DeepSEPS系统显示出预测败血症和败血症休克的巨大潜力,优于现有的方法.
- 这种新的实时系统比传统的早期预警得分提供了宝贵的进步.
- 建议对这种同时发生败血症和败血症冲击预测系统进行进一步验证.
