在重症监护室使用人工智能早期检测败血症:系统性审查和元分析

科学领域:

• 医疗信息学
• 医学的人工智能
• 危急护理医学

背景情况:

• 败血症仍然是重症监护室 (ICU) 中的主要死亡原因.
• 早期和准确的毒检测对于及时干预和改善患者的结果至关重要.
• 人工智能 (AI) 提供了在重症监护机构中提高诊断能力的潜力.

研究的目的:

• 系统地评估人工智能算法的诊断性能,以检测ICU中的败血症.
• 综合多项研究的证据,提供人工智能的敏感性和特异性的综合估计.

主要方法:

• 在PubMed,Embase和Web of Science进行了全面的文献搜索,截至2024年11月.
• 使用双变随机效应模型来计算聚合灵敏度,特异性和AUC.
• 其中包括16项涉及159,947名患者的研究,分析了内部和外部验证组.

主要成果:

• 在毒检测中,AI的综合灵敏度为0. 76 (内部) 和0. 78 (外部).
• 综合特异性为0. 85 (内部) 和0. 82 (外部).
• 在两组验证中,曲线下的面积 (AUC) 始终为0. 87,表明了强大的诊断性能. 没有发现显著的出版偏差.

结论:

• 人工智能作为诊断工具在ICU中识别败血症和败血性休克具有显著的潜力.
• 虽然有希望,但研究中的异质性需要谨慎和进一步验证.
• 外部验证研究对于确认人工智能的临床适用性和通用性至关重要.