在重症监护室使用机器学习对电子健康记录进行动态 Delirium 预测
Miguel Contreras1,2, Brandon Silva1,2, Benjamin Shickel3,2
1Department of Biomedical Engineering, University of Florida, Gainesville, FL USA.
... IEEE-EMBS International Conference on Biomedical and Health Informatics. IEEE-EMBS International Conference on Biomedical and Health Informatics
|April 8, 2024
概括
我们开发了一个机器学习系统,使用电子健康记录预测重症监护室 (ICU) 中的妄想. 这种自动化方法使早期风险识别成为可能,有可能改善患者的治疗结果并降低死亡率.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 临界护理医学 临界护理医学
背景情况:
- Delirium是一种急性脑衰竭综合征,在重症监护室 (ICU) 患者中很常见,尤其是老年人.
- 在ICU中 Delirium 的高发病率与更糟糕的预后和增加的死亡率有关.
- 目前的妄想评估方法是手动和不频繁的,突出显示了对自动预测系统的需求.
研究的目的:
- 开发和评估一种机器学习 (ML) 系统,用于实时预测ICU中的狂妄症.
- 使用电子健康记录 (EHR) 数据提供动态的,12小时间隔的妄想风险预测.
- 允许在ICU入院后不久早期识别妄风险.
主要方法:
- 利用了来自13,395名患者的纵向EHR数据,涉及16,327次ICU住院.
- 在ICU数据的56297个12小时窗口上训练并测试了四个ML分类算法.
- 输入功能包括最近12小时的ICU数据,人口统计和病史,以预测随后的12小时窗口中的妄想.
主要成果:
- 分级提升算法在预测妄想方面表现最好.
- 实现了0.87的接收器操作特征曲线 (AUROC) 下的面积 (95%置信区间:0.86-0.87).
- 该系统每12小时提供一次预测,可在入院后12小时内进行风险评估.
结论:
- 开发的ML系统提供了一种可靠和自动化的方法,用于实时预测ICU中的妄想.
- 通过该系统早期识别妄风险,可以减轻不良结果,包括长时间的ICU停留,成本增加和死亡率.
- 在临床环境中部署这种ML工具可以显著提高重症监护环境中的患者护理和管理.
