Vorhersage des Ergebnisses von Blutstrominfektionen mittels maschinellem Lernen

Blutstrominfektionen (BSI) sind eine Hauptursache für Morbidität und Mortalität durch Infektionskrankheiten weltweit. Die frühe Vorhersage von BSI-Patienten mit hohem Risiko für schlechte Ergebnisse ist wichtig für frühere Entscheidungsfindungen und effektive Patientenstratifizierung. Wir entwickelten auf elektronischen Patientenakten basierende maschinelle Lernmodelle, die das Patientenoutcome bei BSI vorhersagen. Die Fläche unter der Receiver-Operating-Characteristics-Kurve betrug 0,82 für ein voll ausgestattetes, inklusives Modell und 0,81 für ein kompaktes Modell, das nur 25 Merkmale nutzt. Unsere Modelle wurden mit elektronischen Patientenakten trainiert, die demografische Daten, Blutuntersuchungen sowie die medizinische und Diagnosegeschichte von 7889 im Krankenhaus behandelten Patienten, die mit BSI diagnostiziert wurden, enthalten. Zu den Implikationen dieser Arbeit gehört die Umsetzung der Modelle als Grundlage für die selektive, schnelle mikrobiologische Identifizierung, um die frühzeitige Verabreichung einer geeigneten Antibiotikatherapie zu fördern. Darüber hinaus können unsere Modelle helfen, die Entwicklung von BSI und den damit verbundenen nachteiligen Gesundheitsauswirkungen und Komplikationen zu reduzieren.