Tehohoidon yksiköiden varhaisvaroituspisteiden parametrien koneoppimisennuste (AIM-PEW-ICU)

Tehohoidon osastolla seurannassa oleville potilaille tallennetaan reaaliajassa suuri määrä erilaisia ​​elintoimintoja. Toisaalta kerättyjä mittausarvoja käytetään elintärkeiden parametrien jatkuvaan seurantaan, mm. verenpaine, syke ja hengitystiheys, mutta niitä arvioidaan myös useita kertoja päivässä muiden tietojen yhteydessä osana osastokierroksia. Molemmissa tapauksissa jatkuva seuranta rajoitetuista parametreistä, mutta myös erillisessä arvioinnissa, jossa on laajempi joukko analysoitavia parametreja, arvioitavuudessa on rajoituksia jopa kaikella saatavilla olevalla huolellisuudella ja asiantuntemuksella: Jatkuvassa analyysissä tulkinta on rajallista. yllä kuvatulla rajoitetulla määrällä jatkuvasti tallennettuja parametreja. Vaikka tällaisia ​​mittauksia on suuri määrä ja ainakin teoriassa voitaisiin mitata suurempi määrä parametreja, potilaskohtaiset rajat, kuten potilasyhteistyö, lääketieteelliset rajat, kuten mitattujen arvojen merkitys tietyissä tilanteissa, mutta myös taloudelliset rajat ovat usein ratkaisevia tässä yhteydessä. Vaikka ihmisen fysiologian näkökohtien jatkuvasta ja siten täydellisestä esityksestä voidaan tehdä tarkkoja johtopäätöksiä, käytettävissä olevien parametrien rajallisuus heikentää eri tilojen synteesin tulkittavuutta. Laajemmissa, kattavammissa arvioinneissa käyntien aikana tiettynä ajankohtana sen sijaan rajoituksia ovat mm. yksittäisten mittausarvojen pistemittaukset ja ennalta määrätyt käyntiajat. Vaikka mitatuille tiedoille on (tai voidaan määrittää) raja-arvoja, ja siitä seuraa mm. hoitovaihe, aloitetaan, jos nämä arvot ylittyvät tai niitä ei saavuteta, tämä hälytys voidaan aloittaa vain takautuvasti, jos nämä arvot ylittyvät, ja seuraus voidaan aloittaa vain takautuvasti. Tässä tilanteessa patofysiologinen muutos on jo niin pitkällä, että monissa tapauksissa kompensaatiomekanismi ei enää toimi riittävästi ja muuttuu dekompensaatiotilanteeksi. Tässä tilanteessa tehohoidossa olevat potilaat ovat monissa tapauksissa hengenvaarassa. Molemmat tilanteet, rajoitetun määrän parametrien jatkuva tallentaminen ja laajan datan arviointi tilannevedoksen muodossa voitaisiin optimoida mainituista rajoituksista huolimatta. Muuttamatta tiedonkeruuta (aikaa, laajuutta jne.), mahdollisuudet niiden tulkinnan optimointiin ja tulkinnasta saatavat seuraukset säilyvät. Aineiston tulkinnan määräävät ensisijaisesti tulkit tulkintamenetelmänä. Nykyisissä lähestymistavoissa koneoppimismenetelmillä (ML) yritetään ennustaa yksittäisiä tilanteita, jotka tunnistavat haitalliset tapahtumat annetuista tiedoista ja mahdollistavat samalla hälytyksen laukaisemisen ennaltaehkäisevästi eli ennen hengenvaarallisen tilanteen syntymistä. Lisäksi aikasarjojen varhaisvaroituspisteiden muutoksista on jo tehty tutkimuksia, joiden informatiivinen arvo on kuitenkin rajoitettu pidemmälle ennustejaksolle.