JOP:预测晚发败血症和坏死性小肠结肠炎的机器学习模型的开发
2024-01-11 小文子 MedSci原创 发表于上海
人工智能技术可以帮助临床医生在新生儿重症监护中早期检测LOS和NEC,这可能会带来临床和社会经济效益。
晚发败血症(LOS)和坏死性小肠结肠炎(NEC)是新生儿重症监护室(NICU)经常发生的危及生命的疾病,容易面临更高的死亡风险、终身(神经发育)发病率和住院时间延长的风险。The Journal of Pediatrics杂志发表了一项研究,开发一种基于人工智能(AI)的软件系统,用于预测NICU婴儿的LOS和NEC发作。
这项单中心回顾性队列研究在安特卫普大学医院NICU进行。纳入出生胎龄小于32周且在出生后第一周入住NICU的早产儿。所有纳入患者的数据被分为两个不同的队列:2019年12月31日前出生的患者被用于开发和训练机器学习(ML)模型(“训练数据”),而2020年出生患者的数据则用于模型验证(“验证数据”)。
训练数据共有865名患者。其中174人至少有一次LOS或NEC发作,总计267起LOS或NEC事件。在研究的内部验证阶段(2020年),对148名患者(即127名对照患者和21名患者)进行了ML模型的内部验证,发生了32次LOS/NEC发作。
ML模型提供了每小时的风险预测,所有LOS/NEC发作的总体灵敏度为69%(142/206),严重LOS/NEC事件的总体敏感性为81%(67/83)。该模型显示,与历史临床诊断相比,中位时间增益为10(3.1-21.0)小时。在完整的回顾性数据集上,ML模型进行了721069次预测,其中9805次(1.3%)预测的LOS/NEC概率≥0.15。
在内部验证数据集上,ML模型在预测LOS/NEC方面达到了类似性能,总体灵敏度为71.9%。中位时间增益为8.5-13.6小时,具体取决于预测阈值。ML模型发现五分之三的严重LOS/NEC发作,中位时间增益23(13.2-23.5)小时。在整个数据集上,精确度为3.9%-9.7%。
人工智能技术可以帮助临床医生在新生儿重症监护中早期检测LOS和NEC,这可能会带来临床和社会经济效益。还需要更多的研究来进一步量化人工智能对新生儿重症监护室患者结局的影响。
原始出处:
Meeus M, Beirnaert C, Mahieu L, Laukens K, Meysman P, Mulder A, Van Laere D, Clinical Decision Support for Improved Neonatal Care: The Development of a Machine Learning Model for the Prediction of Late-Onset Sepsis and Necrotizing Enterocolitis., The Journal of Pediatrics (2024), doi: https://doi.org/10.1016/j.jpeds.2023.113869.
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
#坏死性小肠结肠炎# #晚发败血症#
89