Reprodukovateľný súbor klinických rozhodovacích podporných nástrojov na MIMIC-IV

Výskumný tím vytvoril komplexný súbor 26 klinických modelov umelej inteligencie na databáze MIMIC-IV, ktorý pokrýva štyri oblasti: predpovedanie zhoršenia stavu a výsledkov na jednotkách intenzívnej starostlivosti, triedenie pacientov v pohotovosti, interpretáciu elektrokardiogramov a klinické spracovanie prirodzeného jazyka. Modely používajú rôzne techniky vrátane gradientného zosilňovania stromov a hlbokých neurónových sietí. Výsledky dosahujú vysokú presnosť: AUROC 0,884 pre predpovedanie mortality na JIS, 0,830 pre akútne poškodenie obličiek a 0,875 pre predpovedanie prijatia z pohotovosti na JIS. Hlboké učenie na surových signáloch EKG zlepšilo detekciu infarktu myokardu o 0,142 AUROC v porovnaní s tradičnými metódami. Model vyškolený na MIMIC-IV údajoch sa úspešne generalizoval na iný americký súbor údajov s 199 133 pobytmi s poklesom presnosti iba o 0,044 AUROC. Všetky modely sú zabudované do aplikácie zMed Critical Care s nástrojmi na podporu klinických rozhodnutí.