开发和验证人工智能系统,用于预测外科病例长度
Adhitya Ramamurthi1, Bhabishya Neupane2, Priya Deshpande3
1Division of Surgical Oncology, Department of Surgery, Medical College of Wisconsin, Milwaukee, WI. Electronic address: https://twitter.com/anaikothari.
Surgery
|November 29, 2024
概括
一个人工智能系统显著改善了外科病例长度预测,超过了当前电子健康记录估计的62%. 这种人工智能模型通过更准确的外科手术时间预测提高了手术室的效率.
科学领域:
- 医疗保健中的人工智能
- 机器学习用于预测分析.
- 医学中的自然语言处理.
背景情况:
- 准确的外科病例长度估计对于手术室 (OR) 优化至关重要.
- 目前用于预测外科手术持续时间的方法存在重大不准确性.
- 提高预测准确度可以导致更好的资源配置和在手术环境中的效率.
研究的目的:
- 开发和验证一个人工智能 (AI) 系统,用于增强外科病例长度预测.
- 利用自然语言处理 (NLP) 和机器学习 (ML) 技术来提高预测准确度.
- 解决手术预测时间的现有解决方案的局限性.
主要方法:
- 利用了125,493例住院患者选择性手术病例 (2017-2023) 的数据集.
- 训练和评估多个ML模型,包括线性回归,分类提升和前神经网络.
- 使用来自变压器 (BERT) 嵌入的双向编码器表示,预先训练在临床文本上进行特征提取.
主要成果:
- 性能最高的模型,带有BERT嵌入的CategoricalBoost回归器,实现了46.4分钟的平均绝对误差 (MAE).
- 这种AI模型的MAE远低于现有的电子健康记录 (EHR) 估计值 (120.0分钟,P<0.001).
- 人工智能模型在实际持续时间的±20%内预测病例长度时达到48%的准确率,而EHR估计的准确率为17%.
结论:
- 一个人工智能驱动的系统用于预测外科病例长度,其表现优于目前基于EHR的预测.
- 开发的AI模型将估计准确度提高了62%,并正确估计了大约2.8倍的病例.
- 这项研究强调了先进的NLP和ML技术的成功应用,以更精确地预测外科手术的持续时间.
