集中治療室における早期警告スコアのパラメーターの機械学習予測 (AIM-PEW-ICU)

集中治療室で監視されている患者のさまざまな臓器機能がリアルタイムで記録されます。 一方で、収集された測定値は、重要なパラメーターの継続的な監視に使用されます。 血圧、心拍数、呼吸数も評価されますが、病棟回診の一環として他のデータと併せて 1 日に数回評価されます。 どちらの場合も、限られた数のパラメータからの継続的なモニタリングだけでなく、より広範な分析可能なパラメータのセットによる個別の評価においても、利用可能なすべての注意と専門知識を備えたとしても、評価可能性には限界があります。 継続的な分析では、解釈には限界があります。上記の連続記録パラメータの制限された数によって異なります。 多数のそのような測定が可能であり、少なくとも理論的にはより多くのパラメータを測定できるが、患者の協力などの患者固有の限界、特定の状況における測定値の重要性などの医学的限界だけでなく、経済的な限界もある。この文脈ではしばしば決定的なものになります。 人間の生理機能の側面を連続的に完全に表現することで、正確な結論を導き出すことができますが、利用可能なパラメーターが制限されているため、さまざまな状態を総合した解釈可能性が低下します。 一方、特定の時点での訪問中のより広範で包括的な評価には、特に、個々の測定値のポイント記録と事前に定義された訪問時間による制限があります。 測定データに対して限界値が定義されている (または定義できる) 場合でも、その結果、たとえば、これらの値を超えるか到達しない場合に治療ステップが開始されますが、このアラートはこれらの値を超えた場合にのみ遡及的に開始でき、結果は遡及的にのみ開始できます。 この状況では、病態生理学的変化がすでにかなり進んでおり、多くの場合、代償機構が適切に機能しなくなり、代償不全の状況に変わります。 この状況では、集中治療室にいる患者は多くの場合、致命的な危険にさらされています。 限られた数のパラメータの継続的な記録とスナップショットの形式での広範なデータの評価の両方の状況は、前述の制限にもかかわらず最適化できます。 データの収集 (時間、範囲など) を変更しなくても、その解釈とその解釈から導き出される結果を最適化する可能性は残ります。 データの解釈は主に解釈者によって解釈方法が決定されます。 現在のアプローチでは、機械学習 (ML) 手法を使用して、特定のデータ内の有害事象を認識する個々の状況を予測すると同時に、先制的に、つまり生命を脅かす状況が発生する前にアラームをトリガーできるようにしようとしています。 さらに、時系列における早期警告スコアの変化に関する研究はすでに行われていますが、予測期間が長くなるとその有益な価値は限られます。