使用机器学习预测心脏手术后心肺旁路术后的损伤
Janis Fliegenschmidt1,2, Gunung Sasono1,2, Patricia Cabanillas Silva3
1Institute for Anaesthesiology and Pain Therapy, Herz- und Diabeteszentrum NRW, Ruhr-Universität Bochum, Bad Oeynhausen, Germany.
人工智能 (AI) 使用电子健康记录数据有效预测心脏手术 (CSA-AKI) 和急性病 (AKD) 后的急性损伤. 这种低功耗查方法有助于早期风险分层和有针对性的干预,以获得更好的患者结果.
科学领域:
- 腎臟病學 (nephrology) 是一種醫學專業.
- 心脏病学 心脏病学
- 医疗信息学 医疗信息学
背景情况:
- 心脏手术后急性损伤 (CSA-AKI) 是与增加发病率和死亡率相关的重大并发症.
- 早期风险分层和及时实施支持措施对于管理CSA-AKI至关重要.
- 人工智能 (AI) 为改善术前和术后风险评估提供了潜力.
研究的目的:
- 评估基于AI的风险评分的可行性,以预测术后72小时内CSA-AKI.
- 评估AI在心脏手术后30天预测急性病 (AKD) 的发展的能力.
- 确定来自电子健康记录 (EHR) 的AI风险评分是否可以帮助早期患者分层.
主要方法:
- 对来自前性观察性试验的130名患者进行了二次分析.
- 机器学习 (ML) 算法被用来分析EHR数据并生成外科手术期间的AKI风险估计.
- 该研究追溯分析了患者数据,以预测CSA-AKI和30天AKD发展.
主要成果:
- 人工智能风险得分在预测CSA-AKI时达到0.79的AUROC,在预测30天AKD时达到0.83.
- 患有CSA-AKI或AKD的患者预测风险得分明显更高.
- 预测的风险得分显示,在经过手术后期的患者中,具有不良结果的患者的风险得分显著增加.
结论:
- 基于ML的AI风险分层仅使用EHR数据是一种可行的高收益方法,用于识别患有CSA-AKI和AKD风险的患者.
- 只有EHR的AI模型在现实心脏手术环境中提供了临床可行的歧视.
- 这种方法支持使用人工智能进行早期查和有针对性的缓解策略,以减少CSA-AKI和AKD发病率.
更多相关视频
03:13Technical Refinement of a Bilateral Renal Ischemia-Reperfusion Mouse Model for Acute Kidney Injury Research
Published on: November 3, 2023
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
相关概念视频
Cardiac Catheterization I: Pre-Procedure Overview
Kidney Transplant II: Surgical Procedure
Acute Kidney Injury IV: Diagnostic Studies and Prevention
Cardiomyopathy VII: Pre and Post Operative Nursing Management
Acute Kidney Injury I: Introduction
Kidney Transplant I: Introduction
