Para construir um modelo de previsão de prognóstico para pacientes com ECMO com base em algoritmos de aprendizado de máquina

A oxigenação por membrana extracorpórea (ECMO) é usada para fornecer suporte respiratório e circulatório extracorpóreo contínuo para pacientes com insuficiência cardiopulmonar grave. É o método de suporte à vida mais importante na medicina intensiva e também um dos métodos de tratamento mais complexos e caros em unidades de terapia intensiva (UTI). São necessários muitos recursos para manter. Portanto, é particularmente importante compreender rigorosamente as indicações dos pacientes e prever com precisão o prognóstico dos pacientes para auxiliar na tomada de decisões clínicas.

Vários estudos publicados anteriormente utilizaram escores clínicos para prever o prognóstico de pacientes com ECMO, mas a maioria deles se concentrou nos resultados da ECMO em grupos específicos de pacientes, como síndrome do desconforto respiratório do adulto (SDRA), insuficiência respiratória, transplante de pulmão, choque cardiogênico e assim por diante. sobre. Além disso, a maioria destas estimativas foram calculadas utilizando métodos estatísticos tradicionais e têm poder de ajuste limitado para conjuntos de dados com variáveis ​​mais características.

A Inteligência Artificial (IA) e o Aprendizado de Máquina (ML) fornecem uma alternativa mais avançada aos métodos estatísticos tradicionais e apresentam vantagens incomparáveis ​​ao lidar com conjuntos de dados com variáveis ​​características de alta dimensão e dados não lineares. E pode iterar automaticamente para melhorar o desempenho do modelo. Além disso, o ML, que pode processar informações baseadas em dados causais ou estatísticos, pode revelar dependências ocultas entre os indicadores clínicos e o prognóstico da doença e apoiar a tomada de decisão clínica, emergiu como a melhor alternativa. hospitalização. Um total de 69 indicadores de características clínicas foram identificados com base na literatura relevante e nos conhecimentos de especialistas em ECMO em medicina intensiva. Esses indicadores incluíram dados demográficos como idade, altura, peso e histórico médico dos pacientes com ECMO. Além disso, os indicadores de infecção foram avaliados nas 24 horas anteriores ao início do suporte com ECMO e nas 24 horas após a sua interrupção. Além disso, foram incluídos indicadores relativos à função cardíaca, renal e hepática, bem como ao tipo de choque (choque distributivo, choque hipovolêmico, choque cardiogênico, choque obstrutivo). Além disso, também foram considerados o volume médio diário de líquidos dentro de três dias após o início do suporte com ECMO, a duração do suporte com ECMO e o tempo de permanência na UTI.