使用机器学习对患有川崎病或MIS-C的患者进行ICU入院预测
JiWon Woo1, Rebecca Mosier1, Rishima Mukherjee1
1Department of Biomedical Engineering, Johns Hopkins University Whiting School of Engineering, Baltimore, Maryland, USA.
JACC. Advances
|March 27, 2025
概括
机器学习模型可以预测患有儿童多系统炎症综合征 (MIS-C) 或川崎病 (KD) 的儿童进入重症监护室 (ICU). 早期预测有助于临床决策,并可以防止严重恶化.
科学领域:
- 儿科重症监护医药 儿科重症监护医药
- 计算生物学是一种计算生物学.
- 医疗信息学 医疗信息学
背景情况:
- 儿童多系统炎症综合征 (MIS-C) 和川崎病 (KD) 可以导致快速,意想不到的临床恶化.
- 由于疾病的严重程度,患者可能需要进入重症监护室 (ICU).
研究的目的:
- 开发一种机器学习 (ML) 模型,用于预测诊断为KD或MIS-C的儿科患者未来的ICU入院情况.
- 通过为潜在的关键护理需求提供早期警告,增强临床决策.
主要方法:
- 利用了来自国际川崎疾病登记处的2539名患有MIS-C或KD的儿科患者的数据.
- 使用临床特征开发和比较快照和时间序列ML模型 (逻辑回归,XGBoost,随机森林).
- 集成的工程时间序列功能,以提高预测准确度.
主要成果:
- ML模型准确地预测了在48小时内进入ICU的情况.
- 时间序列窗口-XGBoost模型实现了0.92的AUROC和0.86.8的精度回忆曲线下的面积.
- 关键预测因素包括高费里,抗凝剂/肝素使用,高C反应蛋白和低血小板计数.
结论:
- 机器学习算法在预测儿科MIS-C和KD患者的ICU入院方面表现出高效.
- 这些预测模型可以帮助医生主动实施支持性护理措施.
- 以ML预测为指导的早期干预可以减轻严重临床恶化的风险.