Un algoritmo de aprendizaje automático tiene la capacidad de identificar pacientes hospitalizados en riesgo de sepsis severa y shock séptico utilizando datos de registros de salud electrónicos EHR, según un estudio presentado en la Conferencia Internacional de la American Thoracic Society 2017. La sepsis es un extremorespuesta sistémica a la infección, que puede ser mortal en sus etapas avanzadas de sepsis severa y shock séptico, si no se trata.
"Hemos desarrollado y validado el primer algoritmo de aprendizaje automático para predecir la sepsis severa y el shock séptico en un gran sistema académico de atención médica hospitalaria", dijo la autora principal, Heather Giannini, MD, del Hospital de la Universidad de Pensilvania ".Este es un avance en el uso de la tecnología de aprendizaje automático y podría cambiar el paradigma en la intervención temprana en la sepsis ".
El aprendizaje automático es un tipo de inteligencia artificial que proporciona a las computadoras la capacidad de aprender patrones complejos en los datos sin ser programados explícitamente, a diferencia de los sistemas más simples basados en reglas. Los estudios anteriores han utilizado datos de registros de salud electrónicos para activar alertas para detectar el deterioro clínico engeneral.
Los investigadores desarrollaron un algoritmo de aprendizaje automático para predecir a los pacientes con mayor riesgo de sepsis grave o shock séptico, y usar su registro de salud electrónico para alertar al equipo de atención. Para desarrollar el algoritmo, entrenaron un clasificador forestal aleatorio, un enfoquepara clasificar una amplia gama de datos, para clasificar datos de registros de salud electrónicos de 162,212 pacientes dados de alta entre julio de 2011 y junio de 2014 de tres hospitales de cuidados agudos del Sistema de Salud de la Universidad de Pensilvania. El algoritmo pudo examinar cientos de variables de forma continua.Los pacientes con sepsis grave o shock séptico se etiquetaron como tales 12 horas antes del inicio real de sepsis grave o shock séptico. El inicio se determinó en función de los resultados de laboratorio y los datos fisiológicos, como la presión arterial. Un total de 943 pacientes en la base de datos se reunieronel laboratorio asignado o los criterios fisiológicos.
El algoritmo fue validado en tiempo real entre octubre y diciembre de 2015 con 10,448 pacientes mientras eran atendidos en los hospitales del estudio, utilizando un "modo silencioso" de muestreo electrónico de registros de salud.
Aproximadamente el 3 por ciento de todos los pacientes de cuidados agudos fueron evaluados como positivos, y se enviaron 10 alertas cada día a través de los tres hospitales.
"Esperamos identificar sepsis severa o shock septal cuando era lo suficientemente temprano para intervenir y antes de que comenzara cualquier deterioro", dijo el autor principal Craig Umscheid, MD, del Hospital de la Universidad de Pensilvania. "El algoritmo fue capaz dehaga esto. Esto es un gran avance al demostrar que el aprendizaje automático puede identificar con precisión a aquellos en riesgo de sepsis severa y shock séptico ".
El Dr. Umscheid agregó que los siguientes pasos son examinar los cambios en el proceso y los resultados resultantes del uso de este algoritmo de aprendizaje automático y ver si el algoritmo tiene un impacto en la práctica clínica.
Fuente de la historia :
Materiales proporcionado por Sociedad Torácica Americana ATS . Nota: El contenido puede ser editado por estilo y longitud.
Cite esta página :