pyAKI：自动化 KDIGO 分类的开源解决方案
机器学习
2024-01-31 v1 软件工程
摘要
急性肾损伤 (AKI) 是危重患者的常见并发症，在重症监护病房中影响高达 50% 的患者。缺乏将肾脏病改善全球结局 (KDIGO) 标准应用于时间序列数据的标准化和开源工具，对工作量和研究质量产生了负面影响。本项目介绍了 pyAKI，这是一个开源流水线，通过提供一致实现 KDIGO 标准的全面解决方案来填补这一空白。pyAKI 流水线是使用重症监护医学信息市场 (MIMIC)-IV 数据库的一个子集开发和验证的，该数据库是重症监护研究中常用的数据库。我们定义了标准化的数据模型以确保可重复性。与专家标注的对比验证表明，pyAKI 在实现 KDIGO 标准方面具有稳健的性能。比较分析揭示了其超越人类标注质量的能力。这项工作引入 pyAKI 作为一种开源解决方案，以高准确度和高性能使用时间序列数据实现用于 AKI 诊断的 KDIGO 标准。
引用
@article{arxiv.2401.12930,
title = {pyAKI -- An Open Source Solution to Automated KDIGO classification},
author = {Christian Porschen and Jan Ernsting and Paul Brauckmann and Raphael Weiss and Till Würdemann and Hendrik Booke and Wida Amini and Ludwig Maidowski and Benjamin Risse and Tim Hahn and Thilo von Groote},
journal= {arXiv preprint arXiv:2401.12930},
year = {2024}
}