Machine-Learning Algorithm Dapat Memprediksi Sepsis Parah pada Pasien di Rumah Sakit

Algoritma yang menggunakan kecerdasan buatan dapat memperkirakan sepsis yang parah dan syok septik pada pasien rumah sakit, sehingga para klinisi berpotensi menyelamatkan nyawa, menurut para peneliti Heather Giannini, MD, seorang dokter internal yang tinggal di Rumah Sakit Universitas Pennsylvania di Philadelphia.

Apa yang disebut “machine-learning algorithm” mengidentifikasi pasien yang berisiko dengan memproses catatan kesehatan elektronik mereka, mereka melaporkan kepada the American Thoracic Society International Conference di Washington, D.C.

Machine learning memungkinkan komputer mendeteksi pola dalam data tanpa diprogram untuk melakukannya. Para peneliti sebelumnya telah berkonsultasi dengan data EHR untuk mendeteksi awal sepsis atau penurunan umum pada kondisi pasien.

Untuk menguji algoritma tersebut, para periset ini melakukan apa yang disebut random forest classifier - sebuah metode untuk mengklasifikasikan berbagai informasi - untuk menggunakan data EHR, termasuk sampel laboratorium, tanda vital dan demografi. Mereka menerapkan algoritma tersebut pada data dari 162.212 pasien yang telah dipulangkan dari tiga rumah sakit perawatan akut di University of Pennsylvania antara bulan Juli 2011 dan Juni 2014.

Algoritma tersebut mengidentifikasi pasien yang memiliki sepsis berat atau syok septik 12 jam sebelum onset. Secara keseluruhan, 943 (0,58 persen) pasien memenuhi kriteria untuk kedua kondisi tersebut.

Para peneliti mengatakan bahwa mereka kemudian memvalidasi algoritma tersebut secara real time di antara 10.448 pasien. Secara keseluruhan, algoritma menghasilkan 314 sinyal untuk kedua kondisi tersebut. Sekitar 3 persen dari semua pasien perawatan akut diskrining positif untuk sepsis berat atau syok septik, dan 10 peringatan diaktifkan per hari di antara ketiga rumah sakit tersebut.

Sensitivitas dan spesifisitas untuk mendeteksi pasien dengan sepsis berat atau syok sepsis masing-masing 26 persen dan 98 persen, menurut pana peneliti tersebut.

Baca juga :

PENTING : Terimakasih sudah berkunjung ke website Kami. Untuk yang mengambil artikel dari website Kami, dimohon untuk mencantumkan sumber pada tulisan / artikel yang Anda muat. Terimakasih atas kunjungannya.

KLIK

DONASI VIA DANA ke 085862486502 Bantu berikan donasi jika artikelnya dirasa bermanfaat. Donasi Anda ini akan digunakan untuk memperpanjang domain www.infolabmed.com. Donasi klik Love atau dapat secara langsung via Dana melalui : 085862486502. Terima kasih.