相关实验视频
Updated: Jun 14, 2026
07:40
Multi-Modal Home Sleep Monitoring in Older Adults
Published on: January 26, 2019
7.6K
开发和验证深度学习模型,用于预测成年人的生理恶化
Supreeth P Shashikumar1, Joshua Pei Le2, Nathan Yung3
1Department of Biomedical Informatics, University of California San Diego, San Diego, CA.
Critical care explorations
|September 11, 2024
概括
一个新的深度学习模型,DETERIO,在预测患者病情恶化时长达12小时的预测方面表现有前途. 这种先进的AI工具可能会超过现有的得分,并改善临床决策,以获得更好的患者结果.
科学领域:
- 医疗保健中的人工智能
- 临床决策支持系统 临床决策支持系统
- 医学中的预测分析.
背景情况:
- 目前对生理学恶化的预测策略受到不一致的定义和不良表现的限制.
- 需要改进的方法来预测患者的脱补偿,以便及时进行临床干预.
- 生理学恶化是一个动态的过程,需要复杂的建模方法.
研究的目的:
- 评估基于共识标准 (AIDE) 的深度学习模型 (DETERIO) 是否可以超过现有的恶化得分.
- 评估DETERIO在预测成人患者病情恶化的表现,作为一个状态值估计问题.
- 为了将DETERIO与商业上可用的恶化评分进行比较,Epic恶化指数 (EDI).
主要方法:
- DETERIO是使用两家卫生系统医院的回顾性和时间性患者数据开发和验证的.
- 该模型使用了成年住院患者减补事件 (AIDE) 标准来对恶化的共识定义.
- 通过将DETERIO的预测精度 (AUC) 与史诗恶化指数 (EDI) 进行比较来评估性能.
主要成果:
- 在回顾性测试 (AUC 0.797 住院患者, 0.874 ED) 和时间验证 (AUC 0.775 住院患者, 0.856 ED) 中,DETERIO 取得了强大的预测性能.
- 在住院患者验证队列中,DETERIO显著优于EDI (AUC0.775与0.721,p <0.01).
- DETERIO表现出更高的灵敏度 (45.50%与30.00%),同时保持了相似的错误报警率.
结论:
- 使用DETERIO的状态值估计方法显示了预测成人生理恶化的可行性.
- DETERIO具有超越EDI等现有评分的潜力,提供了增强的临床实用性.
- 需要进一步的研究来证实概括性和现实世界的临床影响.
