SepsisCalc：通过动态时序图构建集成临床计算器的早期腹症预测
机器学习
2025-01-13 v2 人工智能
人机交互
摘要
腹症是由于对感染的免疫反应失调导致器官功能障碍的疾病。早期腹症预测和识别有助于及时干预，从而改善临床结果。临床计算器（如六脏器官功能评估的 SOFA 评分）在腹症识别中发挥着重要作用，为腹症诊断提供基于证据的风险评估。然而，人工智能 (AI) 腹症预测模型通常生成单一的腹症风险评分，而未将临床计算器用于评估器官功能，这使得模型对临床医生不够令人信服和透明。为弥合这一差距，我们提出了一种新框架 SepsisCalc 将临床计算器集成到预测模型中，生成一个临床透明且精确的模型，可用于临床环境。实际情况下，临床计算器通常会组合来自电子健康记录 (EHR) 中多个组成变量的信息，可能在变量（部分）缺失时无法适用。我们通过将 EHR 表示为时序图并集成一个学习模块来动态添加准确估计的计算器来缓解这一问题。在真实世界数据集上的实验结果表明，所提出的模型在腹症预测任务上优于最先进的方法。此外，我们开发了一个系统来识别器官功能障碍和潜在的腹症风险，为部署提供了一个人机交互工具，帮助临床医生理解预测输出并为相应的功能障碍准备及时干预，为早期干预的可操作临床决策支持铺平了道路。
引用
@article{arxiv.2501.00190,
title = {SepsisCalc: Integrating Clinical Calculators into Early Sepsis Prediction via Dynamic Temporal Graph Construction},
author = {Changchang Yin and Shihan Fu and Bingsheng Yao and Thai-Hoang Pham and Weidan Cao and Dakuo Wang and Jeffrey Caterino and Ping Zhang},
journal= {arXiv preprint arXiv:2501.00190},
year = {2025}
}