РУКОВОДСТВО ПО Отраслям

ИИ в прогнозировании сепсиса

Для прогнозирования сепсиса с помощью искусственного интеллекта используются больничные данные, такие как показатели жизнедеятельности, результаты лабораторных исследований и записи о приеме лекарств, чтобы оценить, у каких пациентов скорее всего развивается сепсис, часто до того, как врачи распознали бы это в противном случае.

Прослушайте это руководствоОзвучено ИИ · ~3 min

На этой странице4 минуты чтения
  1. Обзор
  2. Глубокое погружение
  3. Реальная реализация
  4. Будущее ИИ в прогнозировании сепсиса
  5. Применение на практике
  6. Продолжайте исследовать
  7. Часто задаваемые вопросы

Обзор

Это важно, потому что сепсис является основной причиной смертности в больницах, а задержки в лечении повышают риск, но плохо проверенные модели могут завалить персонал ложными тревогами и пропустить реальные случаи.

Глубокое погружение

Сепсис – это нарушение регуляции реакции организма на инфекцию, приводящее к дисфункции органов. Поскольку раннее назначение антибиотиков и жидкости улучшает выживаемость, в больницах уже давно используются критерии скрининга, основанные на правилах, такие как критерии SIRS или qSOFA. Системы раннего предупреждения с использованием искусственного интеллекта идут еще дальше: они объединяют множество переменных, таких как частота сердечных сокращений, частота дыхания, температура, количество лейкоцитов, лактат, креатинин, лекарства и тенденции с течением времени, в единую оценку риска, которая обновляется по мере поступления новых данных в электронную медицинскую карту (ЭМК). Наиболее поучительным случаем является «Модель эпического сепсиса», запатентованный инструмент, используемый во многих больницах США. Внешняя проверка, проведенная в Michigan Medicine в 2021 году и опубликованная в журнале JAMA Internal Medicine, показала, что система работала существенно хуже, чем сообщал ее разработчик: она пропускала около двух третей случаев сепсиса и выдавала предупреждения примерно об одном из пяти госпитализированных пациентов, у большинства из которых не было сепсиса. Исследование стало отправной точкой для более широкого урока: модель, проверенная на данных ее разработчика, может не пригодиться в другой больнице, а сами по себе показатели точности мало что говорят о том, действительно ли предупреждение помогает. Более обнадеживающие данные были получены из системы TREWS Джона Хопкинса, где исследования, опубликованные в журнале Nature Medicine в 2022 году, показали лучшие результаты для пациентов, чьи предупреждения были оперативно подтверждены клиницистами. Эти исследования были наблюдательными, а не рандомизированными, поэтому до сих пор обсуждается, насколько сам инструмент вызвал улучшение. В 2024 году FDA одобрило Prenosis Sepsis ImmunoScore, один из первых инструментов искусственного интеллекта для лечения сепсиса, прошедший проверку FDA. Распространенным заблуждением является то, что модель сепсиса диагностирует сепсис. Это сигнализирует о риске; врачи все еще оценивают пациента. Во-вторых, большее количество предупреждений означает большую безопасность. Усталость от оповещений, когда персонал теряет чувствительность после частых ложных тревог, может привести к игнорированию реальных предупреждений. Успех зависит от выбора порога, от того, кто получит оповещение и какое действие ожидается после него.

Реальная реализация

Электронная медицинская карта медико-хирургического отделения пересчитывает показатель риска сепсиса по мере поступления новых данных и вызывает медсестру быстрого реагирования, когда учащенное сердцебиение пациента, падение артериального давления и повышение уровня лактата приводят к тому, что показатель превышает пороговый уровень.

Отделение неотложной помощи использует модель этапа сортировки на первом наборе жизненно важных показателей и лабораторных исследований, чтобы расставить приоритеты в посеве крови и антибиотиках для пациентов из группы высокого риска, которые все еще ждут койки.

Команда по обеспечению качества больницы запускает модель сепсиса поставщика в тихом режиме в течение трех месяцев, сравнивая ее потенциальные оповещения со случаями сепсиса, проверенными в диаграммах, прежде чем разрешить отправку оповещений в реальном времени.

Группа клинической информатики повышает порог оповещения и добавляет опцию «отложить по причине» после того, как медсестры сообщают о повторных оповещениях об одних и тех же стабильных пациентах, а затем отслеживает, выявляются ли по-прежнему реальные случаи.

Будущее ИИ в прогнозировании сепсиса

Ожидайте большего внимания, а не меньшего. Системы здравоохранения все чаще проверяют модели на местном уровне перед их запуском в эксплуатацию, а регулирующие органы и профессиональные организации уделяют более пристальное внимание тому, как оцениваются и контролируются инструменты прогнозирования. Исследования движутся к моделям, которые показывают, какие сигналы влияют на оценку, объединяют структурированные данные с клиническими записями и тестируются проспективно или в рандомизированных планах, а не только ретроспективно. Для большинства больниц остаются практические вопросы, связанные с рабочим процессом: направление оповещений нужному человеку, ограничение дублирования уведомлений и измерение того, действительно ли оповещения сокращают время приема антибиотиков и улучшают результаты. Прогнозирование сепсиса, вероятно, останется наиболее полезным в качестве подсказки для оценки состояния человека, а не ее замены.

Применение на практике

Почему это важно

  • Контекст и правила. Отраслевой контекст определяет, выживут ли идеи ИИ при контакте с реальностью.
  • Контроль качества. Ограничения предметной области влияют на приемлемый уровень ошибок и модели надзора.
  • Выбор сборки. Успешные развертывания позволяют согласовать технические возможности с рабочими процессами на переднем крае.

Следите за

  • Нормативные требования могут сделать недействительными сильные прототипы.
  • Исторические данные могут отражать предвзятость, которая наносит вред конкретным сообществам.
  • Устаревшие системы могут создавать узкие места в интеграции и скрытые затраты.

Следующие шаги

  1. Привлекайте экспертов в предметной области от постановки проблемы до оценки.
  2. Разработайте журналы аудита и документацию перед запуском.
  3. Заблаговременно проверяйте соответствие требованиям и обязательства по безопасности.
  4. Развертывание поэтапно с четкими критериями остановки и отката.

Продолжайте исследовать

Бесплатная рассылка

Получайте ежедневный AI-обзор

Три проверенных AI-истории каждое утро буднего дня, написанные простым английским. Бесплатно навсегда, без рекламы.

Одно электронное письмо каждый будний день. Отписаться в один клик. Мы никогда не продаем и не передаем ваш адрес.

Проверьте себя

Take the AI in Sepsis Prediction quiz

Мгновенная обратная связь по каждому ответу и общий сертификат с проверяемым идентификатором после прохождения курса.

Начать тест

Поддержите бесплатное образование в области искусственного интеллекта. AI Understanding — это некоммерческая организация 501(c)(3). Никакой рекламы и платного доступа. Сделать пожертвование

Часто задаваемые вопросы

Что такое ИИ в прогнозировании сепсиса?

Для прогнозирования сепсиса с помощью искусственного интеллекта используются больничные данные, такие как показатели жизнедеятельности, результаты лабораторных исследований и записи о приеме лекарств, чтобы оценить, у каких пациентов скорее всего развивается сепсис, часто до того, как врачи распознали бы это в противном случае. Это важно, потому что сепсис является основной причиной смертности в больницах, а задержки в лечении повышают риск, но плохо проверенные модели могут завалить персонал ложными тревогами и пропустить реальные случаи.

Что в первую очередь дает модель раннего предупреждения сепсиса с использованием искусственного интеллекта?

Эти модели объединяют множество переменных в оценку риска. Они отмечают пациентов, у которых может развиться сепсис; врачи по-прежнему осматривают пациента и принимают решение о лечении.

Что обнаружила внешняя проверка модели эпического сепсиса в Мичиганской медицине в 2021 году?

Исследование показало, что модель пропустила большинство случаев сепсиса, одновременно предупреждая о многих пациентах, у которых сепсиса не было, показывая, что точность, заявленная разработчиком, может не быть перенесена в новую больницу.

Что такое усталость от внимания?

Когда большинство предупреждений являются ложными или повторяются, врачи начинают их игнорировать или игнорировать, что может привести к тому, что настоящие предупреждения будут пропущены.

Почему определение начала сепсиса с помощью антибиотиков или посева крови может вызвать проблемы для модели?

Это своего рода утечка информации: модель учитывает поведение врача, которое уже отражает подозрение на сепсис, поэтому в ретроспективе она выглядит точной, но добавляет мало новых предупреждений.

Почему данные исследований TREWS до сих пор обсуждаются?

Наблюдательные исследования могут показать, что быстрое подтверждение предупреждений связано с лучшими результатами, но они не могут полностью исключить другие объяснения улучшения.

Продолжайте учиться

Связанные руководства

Другие руководства, выбранные по этой теме

Получите бесплатный AI-сертификатКороткий бесплатный курс и экзамен. Без стоимости, без карты. Около 2,5 часов.Начать бесплатно →