Celem tego badania jest opracowanie i zewnętrzna weryfikacja systemu internetowego integrującego modele uczenia maszynowego do wczesnej diagnozy i klinicznego fenotypowania ARDS związanego z zapaleniem płuc, aby ułatwić precyzyjne leczenie.
Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.
Artykuł badawczy
Celem tego badania jest opracowanie i zewnętrzna weryfikacja systemu internetowego integrującego modele uczenia maszynowego do wczesnej diagnozy i klinicznego fenotypowania ARDS związanego z zapaleniem płuc, aby ułatwić precyzyjne leczenie.
Zespół ostrego niedociągnięcia oddechowego (ARDS) to wysoce zróżnicowana choroba o przejawach klinicznych, które mogą pokrywać się z ciężkim zapaleniem płuc, co stanowi wyzwanie dla precyzyjnego rozróżnienia. Dlatego pilnie potrzebne są wczesne predykcje oraz szybkie grupowanie podtypów pacjentów z ARDS przy łóżku pacjentów. Celem tego badania jest opracowanie systemu internetowego, który obejmuje zweryfikowane modele wczesnej diagnostyki przy łóżku pacjenta oraz klasyfikację podgrup klinicznych, do przewidywania rozwoju i fenotypów ARDS związanego z zapaleniem płuc. Modele diagnostyczne i podgrupowe zostały opracowane i zweryfikowane na podstawie dwóch dużych baz danych: Medical Information Mart for Intensive Care IV (MIMIC-IV) oraz Telehealth Intensive Care Unit (eICU) i włączone do internetowego systemu predykcji. Dane pacjentów z zapaleniem płuc hospitalizowanych przez ponad 24 godziny w latach 2008–2019 zostały przeanalizowane. Kohorta pochodzenia MIMIC-IV obejmowała 24 987 pacjentów z zapaleniem płuc (14 121 z ARDS związanym z zapaleniem płuc); kohorta weryfikacyjna eICU obejmowała 20 676 pacjentów z zapaleniem płuc (9946 z ARDS powiązanym z zapaleniem płuc). W diagnostyce metoda stackingu uczenia maszynowego najlepiej osiągała wyniki AUC 0,919, dokładność 70,00%, precyzję 69,88% oraz przypomnienie 82,27% w kohorcie wywodzenia MIMIC-IV. AUC, dokładność, precyzja i przypomnienie kohorty walidacyjnej eICU wynosiły odpowiednio 0,915, 70,87%, 69,70% i 69,70%. ARDS związany z zapaleniem płuc został sklasyfikowany na trzy fenotypy kliniczne o różnych cechach klinicznych i wynikach, z których każdy różnie reagował na leczenie. Wśród pacjentów z klastrów 0 i 1 wskaźniki śmiertelności w szpitalach były wyższe wśród tych, którzy otrzymali wczesne leczenie kortykosteroidami niż wśród tych, którzy nie otrzymali, natomiast wśród pacjentów z klastra 2 wskaźnik śmiertelności w szpitalu był niższy wśród tych, którzy otrzymali kortykosteroidy niż u tych, którzy ich nie otrzymali. Przeprowadziliśmy transformację sieciową przewidywania diagnozy oraz klasyfikacji podgrup klinicznych ARDS związanych z zapaleniem płuc. Nasze internetowe modele wczesnej diagnozy przy łóżku pacjenta oraz klasyfikacji podgrup klinicznych ARDS związanych z zapaleniem płuc mogą wspierać klinicystów w diagnozowaniu i leczeniu choroby oraz promowaniu indywidualnego, precyzyjnego leczenia.
Ostra niewydolność oddechowa, zwłaszcza zespół ostrego niedogodności układu oddechowego (ARDS) po zakażeniu płuc, jest częstym, wyniszczającym problemem u pacjentów w stanie krytycznym. Badania wykazały, że częstość występowania ARDS sięga nawet 10% wśród pacjentów na oddziale intensywnej terapii (OIOM)1, a śmiertelność wynosi około 40%2,3. Ciężkie zapalenie płuc jest powszechnie uważane za główną przyczynę ARDS4. Ponieważ objawy kliniczne ciężkiego zapalenia płuc i ARDS są podobne, często trudno jest odróżnić ARDS od ciężkiego zapalenia płuc. Dlatego wczesne prz....
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
W tym badaniu uzyskano dostęp do bazy danych 11 Medical Information Mart for Intensive Care IV (MIMIC-IV)11 (wersja 1.0, PhysioNet: https://physionet.org/content/mimiciv/1.0/) oraz bazy danych Telemedical Intensive Care Unit (eICU)12 (wersja 2.0, PhysioNet: https://physionet.org/content/eicu-crd/2.0/) po zakończeniu egzaminu Protecting Human Research Participants (ID rejestru: 44151052). Badanie to zostało przeprowadzone zgodnie z zasadami Deklaracji Helsińskiej (2013), a pacjenci wyrazili zgodę na zebranie swoich danych w obu bazach danych. Etyczna zgoda została zniesiona dla tego badania, ponieważ dane w bazach eICU i ....
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Uczestnicy
Baza danych MIMIC-IV zawierała dane od 24 987 pacjentów z zapaleniem płuc, z których 14 121 miało ARDS związane z zapaleniem płuc (Tabela 1). Baza danych eICU zawierała dane od 20 676 pacjentów z zapaleniem płuc, z których 9946 miało ARDS powiązany z zapaleniem płuc (Tabela Uzupełniająca 1).
Ustanowienie i weryfikacja modelu predykcyjnego ARDS związanego z zapaleniem płuc
Wykorzystaliśmy dane kohorty MIMIC-IV .......
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Jak wiemy, jest to pierwszy model diagnostyczny i model klasyfikacji podgrup klinicznych wykorzystujący uczenie maszynowe do raportowania ARDS u pacjentów z zapaleniem płuc oraz największe badanie opisujące diagnozę i klasyfikację podgrup klinicznych ARDS związanej z zapaleniem płuc. W tym badaniu wyprowadziliśmy i zweryfikowaliśmy dwa modele oparte na uczeniu maszynowym, a następnie przetłumaczyliśmy je na aplikacje internetowe do praktyki klinicznej i późniejszych badań. W kohorcie walidacyjnej eICU przewidywanie, któr.......
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Autorzy deklarują, że nie mają ze sobą rywalizujących interesów.
| Nazwa | Firma | Numer katalogowy | Komentarze |
|---|---|---|---|
| Apache Tomcat | Apache Software Foundation | Wersja 9.0.85 | |
| Eclipse IDE | Zaćmienie | 2023-09 | |
| Java Development Kit & nbsp; | Java | Wersja Java SE 8u381 | |
| RapidMiner Studio | Altair Engineering Inc. | Wersja 9.10.001 | |
| Statystyki SPSS | IBM | Wersja 23.0 |
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
