在ICU患者中预测急性损伤和资源利用,使用纵向,多式模式的模型
Yukun Tan1, Merve Dede1, Vakul Mohanty1
1Department of Bioinformatics and Computational Biology, The University of Texas MD Anderson Cancer Center.
medRxiv : the preprint server for health sciences
|April 1, 2024
概括
这项研究引入了一种新的AI模型,用于早期预测急性损伤 (AKI) 和使用电子健康记录的持续置换疗法 (CRRT). 该模型在预测准确度和关键护理干预措施的交付时间方面提供了显著的改进.
科学领域:
- 医疗保健中的人工智能
- 临床信息学 临床信息学
- 预测建模预测建模
背景情况:
- 人工智能 (AI) 有潜力彻底改变医疗保健,特别是在使用电子健康记录 (EHR) 预测疾病进展方面.
- 虽然有研究预测死亡率和再接收,预测急性损伤 (AKI) 和连续置换疗法 (CRRT) 的研究是有限的.
- 为这些特定的重症监护预测实施人工智能仍然是一个技术上的挑战.
研究的目的:
- 确定关键因素和方法,以开发有效的预测模型,用于重症监护室 (ICU) 患者的AKI和CRRT.
- 用密集护理医疗信息中心 (MIMIC) 数据库中的EHR数据来开发模型.
- 为了解决专注于人工智能驱动的AKI和CRRT预测研究的稀缺性.
主要方法:
- 使用时间序列数据和MIMIC-IV. 的临床笔记,对已建立的预测模型进行比较分析.
- 开发一种新的多模式人工智能模型,集成长期短期记忆 (LSTM) 和BioMedBERT嵌入.
- 利用非结构化临床笔记和结构化EHR数据用于早期AKI和CRRT预测.
主要成果:
- 多式模式的模型实现了临床表现的至少12小时的交付时间.
- 报告了高性能指标:AUROC为AKI的0.888和CRRT的0.997;AUPRC为AKI的0.727和CRRT的0.840.
- 沙普利添加式扩张 (SHAP) 分析确定了AKI和CRRT的关键预测特征.
结论:
- 纵向,多式模式建模对于改善AKI和CRRT的早期预测至关重要.
- 开发的模型显示了在优化AKI管理方面临床应用的潜力.
- 增强的预测能力可以带来及时的干预和改善重症监护中的患者结果.
