在重症患者中提高心脏骤停预测:使用Mamba的基于序列的嵌入方法

科学领域:

• 关键护理医学 关键护理医学
• 医疗保健中的人工智能
• 生物医学信息学 生物医学信息学

背景情况:

• 心脏骤停是重症监护室 (ICU) 中的一个关键事件.
• 准确和早期预测心脏骤停对于及时干预和改善患者结果至关重要.
• 现有的预测模型可能在性能和通用性方面存在局限性.

研究的目的:

• 开发和验证一种新的,强大的模型,用于预测ICU患者的心脏骤停.
• 为了评估基于序列的嵌入方法的性能,使用Mamba编码器进行心脏骤停预测.
• 将拟议的模型与既有预测方法比较,例如NEWS和LightGBM.

主要方法:

• 使用Mamba编码器开发一种新的基于序列的嵌入模型.
• 培训和内部验证使用来自首尔国立大学医院 (SNUH) 的ICU数据.
• 外部验证使用山国立大学扬山医院 (PNUYH) 的ICU数据.

主要成果:

• 基于Mamba的模型在内部验证中实现了0.957的接收器操作特征曲线 (AUROC) 下的面积.
• 该模型表现出强大的外部验证性能,AUROC为0.889.
• 拟议的模型在心脏骤停预测准确性方面超过了NEWS和LightGBM.

结论:

• 这种基于Mamba的新型模型显示了在ICU中准确和可概括的心脏骤停预测的巨大潜力.
• 这种方法为早期检测提供了一个强大的工具,使及时干预成为可能,并可能提高患者的生存率.
• 这些发现支持将先进的人工智能模型集成到临床工作流程中,以加强重症监护管理.