开发和验证一种人工智能移动应用程序,用于预测骨科创伤重症患者的30天死亡率

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
• 关键护理医学 关键护理医学

背景情况:

• 在ICU中与创伤相关的伤害需要可靠的工具来早期识别高风险患者.
• 预测严重骨折患者的早期死亡对于有效管理至关重要.
• 该研究旨在开发和验证人工智能模型,用于预测这一群体的早期死亡率.

研究的目的:

• 创建和验证一种人工智能 (AI) 模型,用于预测重症骨科创伤患者的30天死亡率.
• 为了比较各种机器学习算法的性能,预测早期死亡率.
• 部署最佳的人工智能模型作为一种可访问的基于Web的临床使用工具.

主要方法:

• 利用了MIMIC III数据库,其中包括2662名重症骨科创伤患者.
• 训练并验证了多个算法:逻辑回归 (LR),极端梯度提升机 (eXGBM),决策树 (DT),支持矢量机 (SVM),随机森林 (RF) 和神经网络 (NN).
• 使用歧视和校准指标评估模型,并在外部验证后将表现最佳的模型部署为基于互联网的AI工具.

主要成果:

• eXGBM模型表现出最高AUC (0.974) 的卓越性能,在准确性,精度,回忆和F1得分方面超过了其他模型.
• 在全面的评分系统中,eXGBM模型获得了最高的分数 (53),并通过决策曲线分析显示出卓越的临床净益.
• 外部验证得出AUC为0.913,部署的AI工具成功地根据风险对患者进行了分层,并提供了干预建议.

结论:

• 一个利用 eXGBM 算法的人工智能模型已成功开发和验证,用于预测关键骨折患者的早期死亡率.
• 基于Web的AI应用程序为医疗保健专业人员提供了一个可访问的工具,用于预测30天死亡率.
• 该工具有助于早期识别和管理患有骨科创伤的高风险患者.