机器学习算法的开发,验证和可用性评估,用于预测胸部手术患者个性化的红细胞需求

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
• 手术血液管理手术血液管理

背景情况:

• 准确的红血细胞 (RBC) 准备对于外科手术期间的工作流程和患者安全至关重要,特别是在胸部手术 (TS) 中,因为输血变异性很高.
• 对于TS患者来说,准确预测个人红细胞需求日益至关重要.
• 这项研究解决了在TS中个性化红细胞预测的需求.

研究的目的:

• 开发和验证一种机器学习算法,用于在胸部手术患者中进行个性化红细胞预测.
• 评估结合这种AI模型的临床决策支持系统 (CDSS) 的可用性.
• 为了提高胸部手术血制备的精度.

主要方法:

• 开发并比较传统的统计和机器学习模型,使用7,843名成年TS患者 (2016-2021) 的数据.
• 选择了极端梯度增强模型,称为pMSBOS-胸部手术 (pMSBOS-TS),基于性能指标 (RMSE,调整R2).
• 评估了pMSBOS-TS CDSS与60名临床医生的可用性,使用系统可用性量表 (SUS).

主要成果:

• 与标准的最大外科手术血液排序时间表 (MSBOS) 相比,pMSBOS-TS算法显示RMSE显著降低,调整后R2更高.
• 人工智能模型更准确地预测了RBC需求,导致与MSBOS相比,准备的RBC单位减少了大约200个.
• 在pMSBOS-TS CDSS取得了72.5的SUS得分,表明良好的可用性和临床医生的接受度.

结论:

• 成功开发了pMSBOS-TS,这是一个人工智能驱动的工具,用于在术前胸外科手术中个性化预测红细胞输血需求.
• pMSBOS-TS在TS的血液制备中提供了更高的准确性和效率.
• 开发的CDSS显示出良好的临床可用性,支持其融入外科手术工作流程.