创伤患者的医院前分类:使用人工智能作为决策支持来预测重大手术
Andreas S Millarch1,2, Fredrik Folke3,4, Søren S Rudolph5
1Department of Organ Surgery and Transplantation, Copenhagen University Hospital, Rigshospitalet, Copenhagen, Denmark.
The British journal of surgery
|April 9, 2025
概括
一个人工智能 (AI) 模型可以利用早期的医院前数据预测创伤患者需要进行大手术的需要. 这种人工智能方法显示了改善创伤患者分拣和资源分配的潜力.
科学领域:
- 医疗信息学 医疗信息学
- 人工智能在医学中的应用
- 创伤外科 手术 创伤外科
背景情况:
- 传统的创伤分类依赖于临床医生的判断和以标准为导向的协议.
- 准确及时评估手术需求对于最佳的患者结果至关重要.
- 预测早期需要进行大手术可以显著影响资源配置和患者护理.
研究的目的:
- 开发和评估一种人工智能 (AI) 模型,用于预测创伤患者需要进行大手术的需要.
- 用医院前和早期入院数据评估AI模型的性能.
- 确定人工智能模型预测专业特定外科手术需求的能力.
主要方法:
- 利用来自丹麦医院前创伤数据集的4578名创伤患者的数据集.
- 包括人口统计,临床分数 (ABCD,GCS) 和从医院前记录中的顺序生命体征.
- 使用70%的训练,20%的验证和10%的持久测试数据训练了三个混合神经网络.
- 使用接收器操作特征曲线 (ROC-AUC) 下面的面积来评估模型性能.
主要成果:
- 人工智能模型实现了0.80-0.86的整体ROC-AUC,用于预测需要进行大手术.
- 在预测神经外科手术方面观察到高性能 (ROC-AUC 0.90-0.95).
- 该模型在腹部手术 (ROC-AUC 0.77-0.84) 和血管手术 (ROC-AUC 0.69-0.88) 中表现良好.
结论:
- 人工智能模型可以有效地预测使用早期医院前数据对创伤患者进行专门手术的需求.
- 这种人工智能驱动的方法有可能提高创伤患者的早期分拣.
- 早期预测手术需求可以促进及时的资源分配和改善创伤护理途径.
