AI übertrifft Kliniker “ Entscheidung im triaging postoperative Patienten, die für eine intensive Pflege
Die künstliche Intelligenz (KI) in form einer Maschine-gelernt-Algorithmus korrekt triaged die überwiegende Mehrheit der postoperativen Patienten auf der Intensivstation in den ersten proof-of-concept-Anwendung in einer Uni-Klinik Einstellung. Die Genauigkeit dieser computer-Algorithmus generiert wird führenden Chirurgen vorstellen die aktive Nutzung der KI, die in der real-time-Erfassung von klinischen Daten von einem Patienten elektronischen medizinischen Aufzeichnungen, um mehr zuverlässig bestimmen, ob ein patient braucht eine intensive und routine postoperative Betreuung. Erkenntnisse aus der Pilotstudie des Algorithmus präsentiert auf der American College of Surgeons Clinical Congress 2019.
In der heutigen Zeit, op-teams, die verlassen sich auf klinische Urteilsvermögen, um zu entscheiden, welche Patienten müssen postoperativen Intensivstation. Es gibt keinen einzigen Satz von festen Kriterien oder eine standardisierte postoperative Weg, die für die Bestimmung.
Ärzte in der Regel neigen dazu, über-triage, was bedeutet, wenn Sie im Zweifel sind, Sie irren auf der Seite der Vorsicht und schicken einen Patienten auf der Intensivstation. Jedoch über-triaging führen kann, die Aufnahme eines Patienten auf die Intensivstation, die nicht brauchen, dort zu sein. „In diesen Fällen kann der patient unnötig ausgesetzt multidrug-resistente Bakterien und eine erhöhte Länge des Aufenthalts. Auf der anderen Seite, unter-triaging bedeutet, dass ein patient, der sollte in die Intensivstation geschickt wird, um eine recovery-oder step-down-Einheit, und die Chance für eine schnelle Rettung eines sich verschlechternden Zustand verzögert wird, da die überwachung nicht so intensiv ist“, sagte Marcovalerio Melis, MD, FACS, associate professor für Chirurgie der New York University Langone Krankenhaus-System, New York City, und Co-Autor von der pilot-Studie.
AI beginnt zu verwendet werden, um Patienten zu helfen triage Ihre Symptome, so können Sie entscheiden, ob Sie gehen sollten, um die Notaufnahme oder Behandlung suchen, in einer anderen Umgebung, wie einem dringenden care-center. Es ist jetzt Anfang angewendet werden, in der Chirurgie und hat Potenzial für die Generierung von umfassenden Datenbanken über chirurgische Techniken und Verfahren und Ihrer Ergebnisse und die Bereitstellung von evidence-based, real-time-klinische Unterstützung.
Die pilot-Studie zur Anwendung der random forest form des maschinellen Lernens, um zu analysieren, große Mengen von Daten, Suche nach Korrelationen zwischen den Variablen, bewerten Optionen und finden Lösungen für ein Komplexes problem. Random forest erstellt ein Flussdiagramm der Fragen und Antworten, die zu einer Entscheidung führen, und Sie bündelt Erfahrungen und Informationen aus vielen Quellen, um die Variabilität zu reduzieren und erhöhen die Zuverlässigkeit der Vorhersagen.
Der resultierende Algorithmus enthalten 87 klinischen Variablen und 15 spezifischen Kriterien in Bezug auf die Angemessenheit der Aufnahme auf die Intensivstation innerhalb von 48 Stunden nach der Operation. Eine Aufnahme auf die Intensivstation wurde als angemessen erachtet, wenn eines dieser Kriterien erfüllt wurde. Die Kriterien waren: intubation für mehr als 12 Stunden, reintubation, Atem-und Kreislaufstillstand, rufen Sie für eine schnelle Antwort oder code, den Blutdruck unter 100/60 mHg für zwei aufeinander folgende Stunden, die Herzfrequenz unter 60 oder über 110 bpm, für zwei aufeinander folgende Stunden, die Verwendung von Kompressoren, die Platzierung von einem zentralen venösen Linien-oder Swan-Ganz-Katheter, Herz-Ultraschall, neu auftretende Herzrhythmusstörungen, Myokardinfarkt, Rückfahrt nach der op, Bluttransfusion, die mehr als 4 Einheiten, oder die Rückübernahme auf die Intensivstation nach einer vorherigen Zulassung.
Forscher vorbereitet, einen Fragebogen prospektiv Fragen, Kliniker wie würden Sie bewerten die Notwendigkeit für die intensive Betreuung für jeden Patienten. „Wir fragten ärzte, die den besten Weg für jeden einzelnen Patienten: falls der patient die post-akut-Pflege-Einheit, eine regelmäßige Boden, oder auf der Intensivstation? Wir fragten die Maschine die gleiche Frage und die Ergebnisse verglichen“, erklärt Francesco Maria Carrano, MD, postdoctoral research fellow an der NYU Langone und ersten Autor von der Studie.
Künstliche Intelligenz richtig triaged 41 der 50 Patienten in der Studie (82 Prozent). Chirurgen hatten eine Genauigkeit triage-rate von 70 Prozent (35 Patienten), Intensivmediziner 64% (32 Patienten) und Anästhesisten 58 Prozent (29 Patienten). Die Anzahl der fehlerhaften triage-Entscheidungen am niedrigsten war, für AI (18 Prozent), gefolgt von 30 Prozent für Chirurgen, 36 Prozent für Intensivmediziner und 42 Prozent für Anästhesisten.
Die rate von undertriage war ähnlich für AI (12 Prozent) und Chirurgen (10 Prozent); die rate der overtriage war viel niedriger für AI (6 Prozent) als für die ärzte, deren Preise reichten von 20 Prozent auf 40 Prozent. Weitere, AI erreicht eine positive prädiktive rate von 50 Prozent und der negative prädiktive rate von 86 Prozent.
Obwohl der Algorithmus in dieser Studie deutlich über der Kliniker‘ Urteil, es ist ein Erster Schritt. Der chirurgische Forscher planen, wenden Sie den Algorithmus auf andere Populationen von Patienten und andere demografische und klinische Merkmale. „Die Mehrheit der Patienten in dieser Studie waren die Männer in unserem Krankenhaus. Wir würden gerne erweitern, Untersuchung des Algorithmus auf Frauen und Patienten in andere Krankenhäuser“, sagte Dr. Carrano.