预测重症监护室患者的兴奋镇静水平:组合模型的开发
Pei-Yu Dai1, Pei-Yi Lin2, Ruey-Kai Sheu3
1Department of Digital Medicine, Taichung Veterans General Hospital, Taichung, Taiwan.
JMIR medical informatics
|February 26, 2025
概括
在重症监护室 (ICU) 使用机器学习自动化激发和镇静评估可以提高患者的安全性和效率. 集体学习模型可以提高激发灵敏度,同时保持高准确度,与临床实践保持一致.
科学领域:
- 重症监护医药重症监护医药重症监护医药重症监护医药
- 医疗保健中的人工智能
- 机器学习应用程序 机器学习应用程序
背景情况:
- 刺激和镇静管理对于重症监护室 (ICU) 的患者安全至关重要.
- 目前护理人员对兴奋和镇静的评估是主观的,而且很少发生.
- 自动化这些评估可以显著提高ICU效率和患者护理.
研究的目的:
- 开发一种基于机器学习的系统,用于自动评估兴奋和镇静水平.
- 为了比较不同的集体学习模型来分类兴奋和镇静.
- 用可解释的AI (SHAP) 来解释模型.
主要方法:
- 使用来自医院ICU数据库 (2020) 的数据开发了一个集体学习模型.
- 该模型使用20个特征和超过121,000个数据点对兴奋和镇静水平进行了分类.
- SHAP (Shapley增量解释) 用于可解释的AI分析.
主要成果:
- 随机森林模型实现了高AUC值 (镇静:0.97,兴奋:0.88).
- 整体学习模型将动荡灵敏度提高到0.82,同时保持高AUC (>0.82).
- 来自SHAP分析的模型解释与临床专业知识一致.
结论:
- 机器学习驱动的ICU激动镇静评估的自动化提高了效率和安全性.
- 合体学习提供了更好的灵敏度来检测动荡,而不会影响准确性.
- 未来与实时监控的整合有望促进重症监护的发展.
关键词:
在这里,我们可以看到AIAIAI.在ICU中,医生会对患者进行治疗.在ICU的护理.ML ML 在 ML动荡 动荡 是一种动荡.人工智能的人工智能是人工智能.自动化自动化自动化自动化效率 效率 效率 效率 效率 效率 效率 效率组合学习组合学习组合模型组合模型组合模型解释性分析 解释性分析重症监护病房是重症监护病房.学习模式学习模型机器学习是机器学习.患者安全 患者安全镇静 镇静是一种镇静.更多相关视频
09:36Halogenated Agent Delivery in Porcine Model of Acute Respiratory Distress Syndrome via an Intensive Care Unit Type Device
Published on: September 24, 2020
2.7K
08:25Polar Histogram Visualization of Acute Stress Disorder Scale Scores for Comprehensive Clinical Assessment
Published on: December 6, 2024
273
