DeepSOFA：基于临床可解释深度学习的危重患者连续病情严重程度评分
机器学习
2019-02-14 v4 人工智能
应用统计
机器学习
摘要
传统评估危重患者疾病严重程度及预测院内死亡的方法需使用静态变量阈值进行耗时且易错的运算。这些方法未能利用新兴的流式电子健康记录数据，亦未捕捉时间敏感的个体生理模式，而此为重症监护病房中的关键任务。我们提出一种新颖的病情严重程度评分框架（DeepSOFA），其利用时序测量与可解释深度学习模型，在ICU住院期间任意时刻评估疾病严重程度。我们使用相同模型输入将DeepSOFA与SOFA（序贯器官衰竭评估）基线模型比较，发现于ICU入院期间任意时刻，DeepSOFA对院内死亡的预测均显著更准确。在公共数据库开发并于单中心队列验证的DeepSOFA模型，其整个ICU住院期间平均AUC为0.90（95% CI 0.90–0.91），而基线SOFA模型平均AUC分别为0.79（95% CI 0.79–0.80）与0.85（95% CI 0.85–0.86）。深度模型非常适于在意外不良事件发生前识别需挽救生命干预的ICU患者，并助力患者、医护与家属间关于照护目标与最优资源利用的共享决策。
引用
@article{arxiv.1802.10238,
title = {DeepSOFA: A Continuous Acuity Score for Critically Ill Patients using Clinically Interpretable Deep Learning},
author = {Benjamin Shickel and Tyler J. Loftus and Lasith Adhikari and Tezcan Ozrazgat-Baslanti and Azra Bihorac and Parisa Rashidi},
journal= {arXiv preprint arXiv:1802.10238},
year = {2019}
}