使用深度学习在多地点、多国重症监护队列中预测脓毒症
机器学习
2021-07-13 v1
摘要
尽管有数十年的临床研究，脓毒症仍是一场具有高死亡率和发病率的全球公共卫生危机。目前，当检测到脓毒症并鉴定出潜在病原体时，器官损伤可能已进展至不可逆阶段。因此，有效的脓毒症管理具有高度的时间敏感性。通过系统分析重症监护病房（ICU）中大量临床数据的趋势，脓毒症的早期预测可促成更早的病原体鉴定、耐药检测以及有效的抗生素与支持性治疗，从而成为挽救生命的措施。在此，我们开发并验证了一个用于 ICU 脓毒症预测的机器学习（ML）系统。我们的分析代表了迄今为止使用 ML 进行脓毒症预测的最大多国、多中心 ICU 研究。我们的数据集包含 例 unique ICU 入院记录，其代表来自三个国家的五个大型 ICU 数据库的精炼与协调子集。使用国际共识定义 Sepsis-3，我们推导出每小时分辨率的脓毒症标签标注，共计 例（）脓毒症住院。我们将我们的方法（一种深度自注意力模型）与若干临床基线以及 ML 基线进行比较，并在数据库内部与跨数据库进行了广泛的内部与外部验证。平均而言，我们的模型能够以 AUROC （内部样本外验证）和 （外部验证）预测脓毒症。对于 的协调患病率，在 召回率下，我们的模型以 的精度提前 3.7 小时检测出脓毒症患者。
引用
@article{arxiv.2107.05230,
title = {Predicting sepsis in multi-site, multi-national intensive care cohorts using deep learning},
author = {Michael Moor and Nicolas Bennet and Drago Plecko and Max Horn and Bastian Rieck and Nicolai Meinshausen and Peter Bühlmann and Karsten Borgwardt},
journal= {arXiv preprint arXiv:2107.05230},
year = {2021}
}