ICU의 기계 학습: 혈류 감염의 사망률 예측(ICU: 집중 치료실) (ICU)

카바페넴은 다제 내성 그람 음성 병원체로 인한 심각한 감염을 치료하는 데 사용되는 최후의 수단 항생제 중 하나입니다. 카바페넴 내성 그람 음성 간균(CR-GNB)에 의한 감염은 지난 10년 동안 널리 퍼져 공중 보건에 심각한 위협을 가하고 있습니다. Carbapenem 내성 Enterobacteriaceae(CRE), Carbapenem 내성 Acinetobacter baumannii(CRAB) 및 Carbapenem 내성 Pseudomonas aeruginosa(CRPA)는 전 세계적으로 항생제 내성 박테리아의 우선 순위 목록에 1위를 차지합니다. CR-GNB는 균혈증, 요로감염, 폐렴, 복강내 감염 등 광범위한 감염을 유발합니다. 카바페넴 내성 혈류 감염은 이환율과 사망률의 중요한 원인이며 치료 옵션은 극히 제한적입니다. 중환자실에서 모니터링되는 환자의 위험 요인을 평가함으로써 예후를 예측할 수 있는 채점 시스템은 효과적인 항생제의 조기 적용과 현재 사용 중인 시기적절한 혈역학적 지원을 보장함으로써 사망 위험을 줄입니다.

빅데이터의 축적과 데이터 저장 기술의 발전으로 우리 삶에 스며든 혁신적이고 실용적인 기계학습 방법은 의료 분야에서도 좋은 예측 성능을 보이고 있다. 중환자실에서 모니터링되는 환자의 사망률을 예측하기 위해 개발된 기계 학습 기반 모델은 문헌에서 이용 가능하며 환자에게 조기 개입할 수 있는 기회를 제공합니다.

우리의 환자 데이터를 사용하여 중환자실에서 사망률이 있거나 없는 혈류 감염 환자를 비교를 위해 두 하위 그룹으로 후향적으로 검사합니다. 우리는 머신러닝 기반 모델을 통해 카바페넴 내성 그람 음성 간균 혈류 감염에서 발생할 수 있는 사망률을 예측하는 것을 목표로 합니다.