开发和验证多模式模型,以根据临床参数和胸部X射线预测ICU患者的30天死亡率
Jiaxi Lin1,2, Jin Yang3, Minyue Yin1,2
1Department of Gastroenterology, The First Affiliated Hospital of Soochow University, 188 Shizi Street, Jiangsu, Suzhou 215006, China.
Journal of imaging informatics in medicine
|March 6, 2024
概括
这项研究开发了PrismICU,一种结合临床数据和胸部X射线的多式模式,用于预测30天ICU死亡率. PrismICU显著优于单一模式模型和APACHE II评分,显示出其改善患者预后的潜力.
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:
- 对重症监护室 (ICU) 患者的准确预后对于临床决策至关重要.
- 现有的预测模型通常依赖于有限的数据类型,可能缺少关键的预测信息.
- 整合不同的数据源,如临床参数和医学成像,可以提高预测准确度.
研究的目的:
- 开发和验证一种多式人工智能 (AI) 模型,用于预测ICU患者的30天死亡率.
- 结合临床参数和胸部X射线 (CXR) 成像数据,以提高预后性能.
- 为了比较多式联运模式与单式联运模式和传统评分系统 (APACHE II) 的性能.
主要方法:
- 利用了来自MIMIC-IV数据库和外部医院的3798名ICU患者的数据集,其中包括临床参数和CXR图像.
- 开发了使用自动机器学习 (AutoML) 用于临床数据和卷积神经网络 (CNNs) 用于CXR图像的单模模式.
- 通过使用早期融合方法整合临床和CXR数据,构建了一个多式模式模型PrismICU.
主要成果:
- 与单模模型和APACHE II评分系统相比,PrismICU在验证和测试组中都在预测30天死亡率方面表现优异.
- 在验证组中,PrismICU实现了0.95的曲线下面积 (AUC) 和0.95.95的F1得分.
- 在测试组中,PrismICU实现了0.82的AUC和0.61的F1得分,优于其他模型.
结论:
- 综合临床参数和CXR图像的多模式模型,如PrismICU,为ICU患者的死亡率提供了增强的预测能力.
- 这些发现支持将结构化临床数据与医学成像相结合的潜力,以实现更有效的临床管理和预后.
- PrismICU代表了人工智能驱动的关键护理医学工具的有希望的进步.
