Geisinger, IBM entwickeln neuen prädiktiven Algorithmus zur Erkennung der sepsis-Risiko

Geisinger und IBM in dieser Woche angekündigt, diese Woche, dass Sie schon co-erstellt eine neue Vorhersage-Modell zu helfen, Kliniker Flagge sepsis-Risiko anhand von Daten aus der integrated health system electronic health record.

WARUM ES WICHTIG IST
Der neue Algorithmus erstellt mit Hilfe von IBM Data Science-Elite-Hilfe Geisinger können mehr personalisierte klinische Versorgung Pläne für Risiko-sepsis-Patienten nach dem Gesundheits-system, das kann die Chancen erhöhen, recovery helfen durch den Betreuer zahlen mehr Aufmerksamkeit auf wichtige Einflussgrößen in Bezug auf die sepsis-Toten.

Dr. Shravan Kethireddy führte ein team von Wissenschaftlern ein neues Modell basierend auf EHR-Daten. Die Partnerschaft mit IBM Data Science und KI-Elite-teams, Forscher stellte ein sechs-Personen-team, ein Modell zu entwickeln, um vorherzusagen, sepsis-Sterblichkeit als auch ein Werkzeug, um das team on top der neuesten sepsis-Forschung.

Die Forscher verwendeten open-source-Technologien von IBM Watson zu bauen, ein prädiktives Modell, das wäre ingest klinischen Daten von tausenden von de-identifizierten sepsis-Patienten, die sich über eine Dekade, dann verwendet dieses Modell, um vorherzusagen, Patienten Sterblichkeit während des Krankenhausaufenthalts Zeitraum oder während der 90 Tage nach dem stationären Aufenthalt, sagen die Beamten.

DER GRÖßERE TREND
Sepsis ist eine potenziell lebensbedrohliche Erkrankung, wirkt sich auf rund 1,7 Millionen amerikanische Erwachsene, sondern ist Komplex und, weil die Symptome wie Fieber und niedriger Blutdruck überschneidungen mit anderen verbreiteten Krankheiten, ist schwierig, frühzeitig zu erkennen. Die Infektion ist mit mehr als 250.000 Todesfälle pro Jahr.

Der neue Algorithmus hilft Geisinger Forscher identifizieren klinischen Biomarker im Zusammenhang mit höherer Sterblichkeit durch die Vorhersage der Tod oder das überleben der Patienten in der test-Daten.

Das Projekt zeigte beschreibende und klinische Merkmale, die darauf hindeuten könnte erhöhten Risiko für eine sepsis, wie das Alter, vor der Diagnose Krebs, verminderter Blutdruck, die Anzahl der Krankenhaus-transfers, verbrachte Zeit auf der vasopressor Medikamente und auch die Art des Erregers.

„Für Kliniker, wodurch eine sepsis-Diagnose kann sehr schwierig sein, da die Symptome überschneiden sich mit vielen anderen verbreiteten Krankheiten,“ sagte Dr. Donna Wolk, division director of molecular and microbial diagnostics und development bei Geisinger. „Wenn wir identifizieren können Patienten schneller und genauer können wir verwalten die richtige Behandlung früh-und erhöhen die Chancen auf ein positives Ergebnis.“

Geisinger ist führend in der Verwendung von AI für predictive analytics. Früher in diesem Jahr, seine Steele-Institut für Innovation in der Gesundheitswirtschaft startete eine mehrjährige Zusammenarbeit mit mit Medialen EarlySign zu implementieren machine-learning Technologie für die Erkennung und Prävention von chronischen und kostenintensiven Krankheiten. Und im Jahr 2018 wir berichteten über Ihre Bemühungen zu gelten maschinelles lernen auf imaging-Daten, um schneller finden intrakraniellen Blutung.

AUF DER PLATTE
„Unsere Erfahrung mit machine learning und data science ist sehr positiv, und wir sehen großes Potenzial, um weiterhin seine Verwendung im medizinischen Bereich“, sagte Dr. Vida Abedi, leitender Wissenschaftler im Geisinger Abteilung molekulare und funktionelle Genomik. „Wir sind gut auf unserem Weg, um neue Wege in der klinischen Sorgfalt für die sepsis und das erreichen positiver Ergebnisse für unsere Patienten.“

„Es ist sehr wichtig für mich als Arzt und Wissenschaftler zu ersparen Patienten Leben mit all der Kenntnis der Daten und dem klinischen hintergrund“, ergänzte Dr. Hosam Farag, ein Bioinformatik-Wissenschaftler im Geisinger Diagnose-Medizin-Institut. „Machine learning zum schließen der Lücken bei der Versorgung und optimieren die Behandlung. Das macht mich leidenschaftlich darüber, wie Sie speichern, patient lebt.“

Twitter: @MikeMiliardHITN
E-Mail der Autorin: [email protected]

Healthcare-IT-News ist eine Publikation der HIMSS Medien.