Aufbau eines Prognosevorhersagemodells für ECMO-Patienten basierend auf Algorithmen des maschinellen Lernens

Die extrakorporale Membranoxygenierung (ECMO) dient der kontinuierlichen extrakorporalen Atmungs- und Kreislaufunterstützung bei Patienten mit schwerem Herz-Lungen-Versagen. Es handelt sich um die wichtigste lebenserhaltende Methode in der Intensivmedizin und auch um eine der komplexesten und teuersten Behandlungsmethoden auf der Intensivstation. Die Wartung erfordert viele Ressourcen. Daher ist es besonders wichtig, die Indikationen der Patienten genau zu erfassen und die Prognose der Patienten genau vorherzusagen, um die klinische Entscheidungsfindung zu unterstützen.

Mehrere zuvor veröffentlichte Studien verwendeten klinische Scores, um die Prognose von ECMO-Patienten vorherzusagen, aber die meisten von ihnen konzentrierten sich auf ECMO-Ergebnisse bei bestimmten Patientengruppen, wie z. B. Atemnotsyndrom bei Erwachsenen (ARDS), Atemversagen, Lungentransplantation, kardiogener Schock usw An. Darüber hinaus wurden die meisten dieser Schätzungen mit traditionellen statistischen Methoden berechnet und weisen eine begrenzte Anpassungsleistung für Datensätze mit charakteristischeren Variablen auf.

Künstliche Intelligenz (KI) und maschinelles Lernen (ML) stellen eine fortschrittlichere Alternative zu herkömmlichen statistischen Methoden dar und bieten beispiellose Vorteile im Umgang mit Datensätzen mit hochdimensionalen charakteristischen Variablen und nichtlinearen Daten. Und es kann sich selbst wiederholen, um die Modellleistung zu verbessern. Darüber hinaus hat sich ML, das Informationen auf der Grundlage kausaler oder statistischer Daten verarbeiten kann, versteckte Abhängigkeiten zwischen klinischen Indikatoren und Krankheitsprognose aufdecken und die klinische Entscheidungsfindung unterstützen kann, als beste Alternative herausgestellt. Die primären Ergebnisse messen die lebende Entlassung aus dem Krankenhaus und den Tod während dieser Zeit Krankenhausaufenthalt. Basierend auf relevanter Literatur und Erkenntnissen von ECMO-Experten in der Intensivmedizin wurden insgesamt 69 klinische Charakteristika identifiziert. Zu diesen Indikatoren gehörten demografische Daten wie Alter, Größe, Gewicht und die Krankengeschichte der ECMO-Patienten. Darüber hinaus wurden Infektionsindikatoren innerhalb von 24 Stunden vor Beginn der ECMO-Unterstützung und innerhalb von 24 Stunden nach deren Beendigung bewertet. Darüber hinaus wurden Indikatoren zur Herz-, Nieren- und Leberfunktion sowie zur Art des Schocks (distributiver Schock, hypovolämischer Schock, kardiogener Schock, obstruktiver Schock) einbezogen. Darüber hinaus wurden auch das durchschnittliche tägliche Flüssigkeitsvolumen innerhalb von drei Tagen nach Beginn der ECMO-Unterstützung, die Dauer der ECMO-Unterstützung und die Aufenthaltsdauer auf der Intensivstation berücksichtigt.