Desarrollo de un sistema de soporte a la decisión clínica basado en aprendizaje automático para predecir el deterioro clínico en pacientes que visitan el departamento de emergencias

Este estudio tuvo como objetivo desarrollar un sistema de soporte a la decisión clínica basado en aprendizaje automático para departamentos de emergencias basado en el marco de toma de decisiones de los médicos. Se extrajeron 27 características fijas y 93 características de observación utilizando datos sobre signos vitales, estado mental, resultados de laboratorio y electrocardiogramas durante la estancia en el departamento de emergencias. Los resultados incluyeron intubación, admisión a la unidad de cuidados intensivos, administración de inotrópicos o vasopresores y paro cardíaco hospitalario. Se utilizó el algoritmo de aumento de gradiente extremo para aprender y predecir cada resultado. Se evaluaron la especificidad, sensibilidad, precisión, puntaje F1, área bajo la curva de característica operativa del receptor (AUROC) y área bajo la curva de precisión-recall. Se analizaron 303,345 pacientes con 4,787,121 datos de entrada, re-muestreados en 24,148,958 unidades de 1 hora. Los modelos mostraron una capacidad discriminativa para predecir los resultados (AUROC > 0.9), y el modelo con un desfase de 6 y un avance de 0 mostró el valor más alto. La curva AUROC del paro cardíaco hospitalario tuvo el cambio más pequeño, con un aumento de desfase para todos los resultados. Con el uso de inotrópicos, intubación y admisión a la unidad de cuidados intensivos, el rango de cambio de la curva AUROC con el avance de 6 fue el más alto de acuerdo con diferentes cantidades de información previa (desfase). En este estudio, se ha adoptado un enfoque centrado en el ser humano para emular el proceso de toma de decisiones clínicas de los médicos de emergencias para mejorar el uso del sistema. Los sistemas de soporte a la decisión clínica basados en aprendizaje automático, personalizados de acuerdo con las situaciones clínicas, pueden ayudar a mejorar la calidad de la atención.