在手术期间使用手术内血液动力学监测数据进行大规模输血的非侵入性预测
Doyun Kwon1, Young Mi Jung2, Hyung-Chul Lee3
1Interdisciplinary Program of Medical Informatics, Seoul National University College of Medicine, Seoul, Republic of Korea.
Journal of biomedical informatics
|June 24, 2024
概括
一个新的深度学习算法 (DLA) 准确地预测大规模输血 (MT) 需要提前10分钟使用实时,非侵入性的生物信号. 这种早期预警系统对于在手术期间及时准备血液产品至关重要,减少了患者的并发症.
科学领域:
- 医疗信息学 医疗信息学
- 手术麻醉手术麻醉
- 生物医学工程 生物医学工程
背景情况:
- 在手术期间大量出血需要迅速输血以防止严重的并发症.
- 预测需要大规模输血 (MT) 允许及时准备血液制品,这对于减少患者发病率和死亡率至关重要.
研究的目的:
- 开发和验证10分钟内发生的手术内大规模输血 (MT) 的预测模型.
- 为了利用非侵入性,实时生物信号波形来进行先进的MT预测.
主要方法:
- 进行了一项回顾性研究,涉及18135名患者 (首尔国立大学医院) 和621名患者 (博拉美医疗中心).
- 一个基于深度学习的算法 (DLA) 已开发,使用了从plethysmography和血红素测量的特征.
- DLA在内部和外部验证了其在10分钟内预测MT的能力.
主要成果:
- 肌痛性肌痛的发生率为1.46% (SNUH) 和2.25% (BMC).
- DLA实现了接收器操作特征曲线 (AUROC) 下的面积为0.962的内部验证和0.922的外部验证.
- 这些结果表明,在预测手术内MT时,其准确度很高.
结论:
- 开发的深度学习算法 (DLA) 有效地预测了手术期间的大规模输血.
- DLA利用非侵入性的生物信号波形进行实时预测,使积极的临床决策成为可能.
