Меню


Медицина

Детская больница Лос-Анджелеса предсказывает, когда выписывать пациентов из педиатрической интенсивной терапии, используя глубокие рекуррентные нейронные сети

Детская больница Лос-Анджелеса (Children's Hospital Los Angeles) проанализировала историю 5 500 пациентов с эпизодами педиатрического отделения интенсивной терапии, чтобы лучше предсказать время выписки. Они построили четыре модели прогнозирования от базовой регрессии до рекуррентных нейронных сетей и обнаружили, что глубокие нейронные сети работают хорошо.

Детская больница Лос-Анджелеса хотела лучше понять, могут ли они предсказать жизненно важные показатели конкретного пациента, которые будут приемлемы для их выписки из педиатрического отделения интенсивной терапии.

«Частота сердечных сокращений, систолическое кровяное давление и диастолическое кровяное давление были выбраны в качестве жизненно важных для определения физиологической стабильности»

Команда попробовала четыре модели возрастной нормальной регрессии, полиномиальной регрессии и двух нейронных сетей.

Данные для контролируемых моделей обучения были следующие 6 899 эпизодов педиатрического отделения интенсивной терапии (PICU), представленных 5464 пациентами, которые были собраны в период между 2009 и 2016 годами.

В каждом эпизоде были измерения временных рядов для 375 переменных, представляющих жизненно важные показатели, лабораторные результаты, вмешательства и лекарства.

Две глубокие рекуррентные нейронные сети (RNN), остаточные LSTM были разработаны для прогнозирования значений ICU-PASS каждого отдельного пациента. Первая модель была обучена во все моменты времени до медицинской выписки каждого эпизода в тренировочной выборке, в то время как вторая (RNN12h) тренировалась только на данных за первые 12 часов тех же эпизодов.

Подходы машинного обучения к медицинским данным EMR становятся все более распространенными, и о них все чаще сообщают. Мы продемонстрировали, что продвинутая методология глубокого обучения, использующая богатые данные в EMR, а не просто связь между возрастом и показателями жизненно важных функций, более точно предсказывает PASS отдельного пациента для выписки из PICU.
Результат
Результат не публиковался
Подпишись на новые кейсы
Оставь свой e-mail и раз в неделю мы будем высылать полезные кейсы тебе на почту
Мы не передаем данные третьим лицам, а храним их согласно №152-ФЗ
Cookies helfen uns bei der Bereitstellung unserer Inhalte und Dienste. Durch die weitere Nutzung unserer Webseite stimmst du der Verwendung von Cookies zu.
Okay
Close
Made on
Tilda