针堆中寻针：埋藏在含噪波形数据中的有意义的临床信息

中心静脉导管（C-Lines）和动脉导管（A-Lines）在重症监护室（CCU）中常规用于采血、给药以及高频血压测量。合理使用这些导管非常重要，因为过度使用与显著的院内发病率和死亡率相关。记录导管访问频率是减少这些不良结果的重要步骤。遗憾的是，当前记录的黄金标准是手动的，容易出现错误、遗漏和偏差。这些导管中传感器获取的高频血压波形数据通常充满噪声和伪影。信号处理的标准方法会在有意义分析之前去除噪声伪影。然而，根据床旁观察，我们表征了在每次使用C-Line或A-Line期间出现的一种独特伪影。这些伪影埋藏在生理波形和额外噪声之中。我们专注于能够从波形数据中实时检测这些伪影的机器学习（ML）模型——即“针堆中寻针”，以实现导管访问记录的自动化。为实现这一目标，我们在一家大型儿童医院构建并评估了实时运行的ML分类器。我们展示了这些工具在减轻记录负担、增加床旁临床医生可用信息以及为单位级举措提供数据支持以提高患者安全性方面的效用。