在重症监护室预测医院内心脏骤停:基于机器学习的多模式方法
Hsin-Ying Lee1, Po-Chih Kuo2, Frank Qian3,4
1Department of Medicine, College of Medicine, National Taiwan University, Taipei, Taiwan.
JMIR medical informatics
|July 25, 2024
概括
这项研究开发了一种机器学习模型,使用电子健康记录数据提前13小时预测住院心脏骤停 (IHCA). 该工具有助于早期识别有风险的患者,可能改善临床结果.
科学领域:
- 人工智能在医学中的应用
- 临床信息学 临床信息学
- 预测分析是一种预测分析.
背景情况:
- 早期发现医院内心脏骤停 (IHCA) 对于改善患者的治疗结果至关重要.
- 目前用于预测IHCA的方法缺乏足够的时间来进行有效的临床干预.
- 预测IHCA仍然是医疗保健专业人员面临的重大挑战.
研究的目的:
- 开发和验证用于IHCA早期预测的多式联机机器学习算法.
- 利用组合技术来提高IHCA检测中的预测准确性.
- 创建一个工具,为临床医生提供关于即将发生的IHCA事件的预警.
主要方法:
- 一个多式机器学习算法是使用组合技术开发的.
- 该模型整合了患者人口统计数据,呈现疾病,并发病症和生命体征.
- 模型开发使用了MIMIC-IV数据库,并使用eICU-CRD和NTUH数据库进行了验证.
主要成果:
- 该算法在MIMIC-IV数据库中实现了0.85的接收器操作特征曲线 (AUC) 下的面积.
- 外部验证显示了强的性能,AUC为0.81 (eICU-CRD) 和0.945 (NTUH).
- 该模型成功预测了IHCA提前13小时.
结论:
- 一个经过验证的多式联网机器学习模型可以在13小时前预测IHCA.
- 该预测工具利用易于获得的电子病历数据和生命体征.
- 这种算法可以帮助临床医生识别风险患者,以便及时评估和改善预后.
