创伤复苏的人类意图识别:医疗过程数据的可解释深度学习方法

科学领域:

• 人工智能在医学中的应用
• 临床决策支持系统 临床决策支持系统
• 紧急医疗 紧急医疗

背景情况:

• 创伤复苏是一个复杂的,时间关键的过程,有多个同时实现的目标.
• 在复苏期间监控目标追求是认知要求高且容易出错的.
• 准确识别复苏目标可以改善患者的治疗结果.

研究的目的:

• 开发一种可解释的深度学习模型,用于自动识别复苏目标追求.
• 通过从治疗活动中推断提供者的意图来帮助临床决策.
• 为了提高在创伤护理期间预测医疗事件的准确性和解释性.

主要方法:

• 一个双GRU神经网络模型在381次儿科创伤复苏的事件日志上受过训练.
• 该模型从时间级和活动类型级特征中学习,以预测目标追求.
• 用注意力权重来解释模型预测,识别关键活动和时间.

主要成果:

• 该模型实现了0.84的气道稳定和0.83的循环支持的AUC.
• 关键贡献活动和时间与已建立的临床领域知识保持一致.
• 可解释模型从有限的治疗数据中准确地识别了提供者的意图.

结论:

• 开发的可解释预测模型准确地识别了创伤复苏期间提供者的意图.
• 这个模型在准确性和可解释性方面超过了现有的预测模型.
• 集成到决策支持系统可以自动化行动跟踪,优化工作流程,并确保及时的护理.