新生儿人工智能和机器学习死亡率预测建模:新生儿重症监护病房风险调整的系统审查
Chelsea K Bitler1, C Briana Bertoni2, Brian C King3
1Neonatal-Perinatal Medicine Fellowship, Division of Newborn Medicine, UPMC Children's Hospital of Pittsburgh/Magee Women's Hospital, 300 Halket St, Pittsburgh, PA, 15213, USA; Clinical Informatics Fellowship, Division of Internal Medicine, UPMC Presbyterian, Pittsburgh, PA, USA.
Seminars in fetal & neonatal medicine
|November 27, 2025
概括
人工智能和机器学习在预测新生儿重症监护病房死亡率方面表现有前途. 然而,当前的模型需要更多的验证和标准化报告,才能在质量评估中得到广泛使用.
科学领域:
- 新生儿重症监护室 (NICU) 的研究.
- 医学人工智能 (AI) 和机器学习 (ML)
- 医疗保健质量评估 医疗保健质量评估
背景情况:
- 新生儿科的死亡率对于评估护理质量至关重要,但有很大的差异.
- 由于患者病例组合和疾病严重程度的未经调整的差异,原始死亡率不足以进行基准测试.
- 人工智能和机器学习为风险调整提供了潜在的解决方案,以实现有意义的比较和质量改进.
研究的目的:
- 审查有关AI/ML模型的现有文献,以预测NICU中的死亡率.
- 评估AI/ML应用在新生儿死亡风险调整中的现状和局限性.
主要方法:
- 系统性文献审查确定了开发AI/ML模型用于NICU死亡率预测的研究.
- 分析了37项已识别的研究,共描述了242个不同的模型.
- 评估模型开发,验证实践和绩效指标报告.
主要成果:
- 大多数审查的研究都使用单一中心的数据来开发模型.
- 这些AI/ML模型的外部验证经常缺乏.
- 对绩效指标的不一致报告阻碍了跨模型的全面评估和比较.
结论:
- 虽然AI/ML显示出在NICU设置中风险调整的潜力,但存在重大局限性.
- 需要进一步的研究和开发,通过外部验证来提高模型的通用性.
- 对绩效指标的标准化报告对于在临床实践中可靠地实施AI/ML至关重要.
