Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.

Artykuł badawczy

Opracowanie i zewnętrzna walidacja internetowej aplikacji do przewidywania ARDS związanej z zapaleniem płuc

278 wyświetleń

DOI:

10.3791/69738

6 stycznia 2026

W tym artykule

Podsumowanie

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.

Streszczenie

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.

Wprowadzenie

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.

Protokół

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.

Wyniki

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.

Dyskusja

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.

Oświadczenia

Autorzy deklarują, że nie mają ze sobą rywalizujących interesów.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Apache TomcatApache Software FoundationWersja 9.0.85
Eclipse IDE Zaćmienie2023-09
Java Development Kit & nbsp;JavaWersja Java SE 8u381 
RapidMiner StudioAltair Engineering Inc.Wersja 9.10.001 
Statystyki SPSSIBMWersja 23.0 

Bibliografia

  1. Brun-Buisson, C., et al. Epidemiology and outcome of acute lung injury in European intensive care units. Results from the ALIVE study. Intens Care Med. 30 (1), 51-61 (2004).
  2. Bellani, G., et al.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Tagi

Przewidywanie ARDSklasyfikacja klinicznych podgrupmodele uczenia maszynowegowczesna diagnostyka przy kowabaza danych MIMIC IVbaza danych eICUfenotypy kliniczneprecyzyjne leczenie
Film wkrótce dostępny