Ennusteen ennustemallin rakentaminen ECMO-potilaille koneoppimisalgoritmien perusteella

Kehonulkoista kalvohapetusta (ECMO) käytetään jatkuvaan kehon ulkopuoliseen hengitys- ja verenkiertotukeen potilaille, joilla on vaikea sydämen ja keuhkojen vajaatoiminta. Se on tehohoidon lääketieteen tärkein elämää ylläpitävä menetelmä sekä yksi monimutkaisimmista ja kalleimmista hoitomenetelmistä tehohoidossa (ICU). Ylläpito vaatii paljon resursseja. Siksi on erityisen tärkeää ymmärtää tarkasti potilaiden käyttöaiheet ja ennustaa tarkasti potilaiden ennuste kliinisen päätöksenteon helpottamiseksi.

Useat aiemmat julkaistut tutkimukset ovat käyttäneet kliinisiä pisteitä ennustamaan ECMO-potilaiden ennustetta, mutta useimmat niistä keskittyivät ECMO-tuloksiin tietyissä potilasryhmissä, kuten aikuisten hengitysvaikeusoireyhtymä (ARDS), hengitysvajaus, keuhkonsiirto, kardiogeeninen shokki ja niin edelleen. päällä. Lisäksi suurin osa näistä arvioista on laskettu perinteisillä tilastollisilla menetelmillä, ja niillä on rajallinen sovituskyky tunnusomaisempien muuttujien tietokokonaisuuksiin.

Tekoäly (AI) ja koneoppiminen (ML) tarjoavat kehittyneemmän vaihtoehdon perinteisille tilastomenetelmille, ja niillä on vertaansa vailla olevia etuja käsiteltäessä tietojoukkoja, joissa on suuriulotteisia ominaismuuttujia ja epälineaarista dataa. Ja se voi toistaa itseään parantaakseen mallin suorituskykyä. Lisäksi parhaaksi vaihtoehdoksi on noussut ML, joka pystyy käsittelemään kausaali- tai tilastotietoihin perustuvaa tietoa, voi paljastaa piileviä riippuvuuksia kliinisten indikaattoreiden ja sairauden ennusteen välillä sekä tukea kliinistä päätöksentekoa. sairaalahoito. Kaikkiaan 69 kliinistä tunnusmerkkiä tunnistettiin asiaankuuluvan kirjallisuuden ja tehohoidon lääketieteen ECMO:n asiantuntijoiden näkemysten perusteella. Nämä indikaattorit sisälsivät demografisia tietoja, kuten ECMO-potilaiden iän, pituuden, painon ja sairaushistorian. Lisäksi infektioindikaattorit arvioitiin 24 tunnin sisällä ennen ECMO-tuen aloittamista ja 24 tunnin sisällä sen lopettamisen jälkeen. Lisäksi otettiin mukaan indikaattorit, jotka liittyvät sydämen, munuaisten ja maksan toimintaan sekä sokin tyyppiin (jakaantuva sokki, hypovoleeminen sokki, kardiogeeninen sokki, obstruktiivinen sokki). Lisäksi huomioitiin keskimääräinen päivittäinen nestemäärä kolmen päivän sisällä ECMO-tuen aloittamisesta, ECMO-tuen kesto ja teho-osaston oleskelun kesto.