完全连接的层模型与自我注意力,以每小时预测肝素剂量,为外科心脏手术患者

科学领域:

• 心血管外科心血管外科
• 医疗人工智能 医疗人工智能
• 药理学 药理学是指药理学的学科.

背景情况:

• 心脏外科手术中的抗凝剂治疗管理存在挑战,因为抗凝剂不充分和过度的风险.
• 现有的方法缺乏实时指导来调整肝素速度.
• 优化肝素剂量对于预防心脏手术后患者的致命并发症至关重要.

研究的目的:

• 开发一种使用机器学习的定量预测模型,以优化心脏手术患者的肝素剂量.
• 为了提供实时的,数据驱动的建议,对肝素的速度调整.
• 提高抗凝治疗在重症监护病房环境中的安全性和有效性.

主要方法:

• 从2013年1月到2023年12月,对1080名心脏手术患者进行了回顾性分析.
• 评估了七种机器学习模型,包括线性回归,SVM,XGBoost,LSTM,GRU,FC和FC+自我注意力,用于每小时调整肝素速度的建议.
• 利用平均绝对平方误差,绝对百分比误差和SHAP用于模型评估和解释.

主要成果:

• FC+自我注意模型显示了最低的预测误差 (MAE:0.9388,测试/验证队列中的1.1325).
• 影响肝素调整的关键特征包括目标aPTT之间的差距,血栓时间,冠心病史,心房动持续时间和前列血栓活性.
• 对模型的高度遵守与增加的正常治疗时间和减少的超治疗性抗凝事件相关.

结论:

• FC+自我注意模型显示了在优化心脏手术患者的肝素剂量方面临床应用的潜力.
• 这种人工智能驱动的方法可以帮助医疗保健提供者对抗凝血疗法进行精确的实时调整.
• 该模型提供了一种有前途的策略,以加强心脏外科手术后的抗凝控制和患者安全.