Intelligenza artificiale per la previsione della sepsi in terapia intensiva (AICUSepsis)

Il modello di previsione della sepsi adottato in questo studio è stato completato nella preparazione preliminare, che è stata costruita su 7.000 pazienti dall'istituzione di un'unità di terapia intensiva completa, ed è stato adottato lo standard diagnostico della sepsi 3.0. Il modello di previsione della sepsi è stato costruito utilizzando la piattaforma Python e l'algoritmo XGBoost , che è stato utilizzato per prevedere l'incidenza di sepsi nei pazienti in terapia intensiva entro 24 ore. L'accuratezza complessiva era dell'82% e l'area sotto la curva Auroc era 0,854.

Ai pazienti che soddisfacevano i criteri di inclusione ed esclusione è stata fornita una previsione giornaliera del modello di sepsi ed è stata formata una lista di controllo quantitativa basata sui risultati del test. Esistono due tipi di risultati previsti: rischio basso e rischio alto. Liste di controllo quantitative sono disponibili per i medici curanti per migliorare l'efficienza diagnostica. I risultati sono stati mantenuti riservati al medico.

A tutti i pazienti è stata diagnosticata la sepsi da due medici curanti senior a un orario prestabilito. La diagnosi consisteva in due tipi: sì e no. Se due medici curanti hanno opinioni diverse, il terzo medico curante sarà incluso per la diagnosi di correzione e la presenza di sepsi sarà determinata in modo 2:1. I medici curanti sono indipendenti di ciascun altro.

Quando i risultati della diagnosi del medico curante vengono immessi nel sistema, i risultati della previsione del modello di previsione della sepsi di ieri vengono confrontati e calcolati per determinare l'accuratezza del modello di previsione