Costruire un modello di previsione della prognosi per i pazienti ECMO basato su algoritmi di apprendimento automatico

L'ossigenazione extracorporea a membrana (ECMO) viene utilizzata per fornire supporto respiratorio e circolatorio extracorporeo continuo ai pazienti con grave insufficienza cardiopolmonare. È il metodo di supporto vitale più importante nella medicina di terapia intensiva e anche uno dei metodi di trattamento più complessi e costosi nelle unità di terapia intensiva (ICU). Ci vogliono molte risorse per mantenerlo. Pertanto, è particolarmente importante cogliere rigorosamente le indicazioni dei pazienti e prevederne accuratamente la prognosi per assistere il processo decisionale clinico.

Diversi studi pubblicati in precedenza hanno utilizzato punteggi clinici per prevedere la prognosi dei pazienti ECMO, ma la maggior parte di essi si è concentrata sugli esiti dell’ECMO in gruppi specifici di pazienti, come la sindrome da distress respiratorio dell’adulto (ARDS), l’insufficienza respiratoria, il trapianto polmonare, lo shock cardiogeno e così via. SU. Inoltre, la maggior parte di queste stime sono state calcolate utilizzando metodi statistici tradizionali e hanno un potere di adattamento limitato per insiemi di dati con variabili più caratteristiche.

L'intelligenza artificiale (AI) e l'apprendimento automatico (ML) forniscono un'alternativa più avanzata ai metodi statistici tradizionali e presentano vantaggi senza precedenti nella gestione di set di dati con variabili caratteristiche ad alta dimensionalità e dati non lineari. Inoltre, può eseguire l'iterazione automatica per migliorare le prestazioni del modello. Inoltre, il machine learning, che può elaborare informazioni sulla base di dati causali o statistici, può rivelare dipendenze nascoste tra indicatori clinici e prognosi della malattia e supportare il processo decisionale clinico, è emerso come la migliore alternativa. ricovero ospedaliero. Sono stati identificati un totale di 69 indicatori di caratteristiche cliniche sulla base della letteratura pertinente e degli approfondimenti degli esperti ECMO in terapia intensiva. Questi indicatori includevano dati demografici come età, altezza, peso e storia medica dei pazienti ECMO. Inoltre, gli indicatori di infezione sono stati valutati entro 24 ore prima dell’inizio del supporto ECMO ed entro 24 ore dopo la sua interruzione. Inoltre, sono stati inclusi indicatori relativi alla funzionalità cardiaca, renale ed epatica, nonché al tipo di shock (shock distributivo, shock ipovolemico, shock cardiogeno, shock ostruttivo). Inoltre, sono stati considerati anche il volume liquido medio giornaliero entro tre giorni dall’inizio del supporto ECMO, la durata del supporto ECMO e la durata della degenza in terapia intensiva.