설명 가능한 AI가 예후 및 계층화를 위한 응고-염증 프로필을 통해 패혈증 이질성을 풀어냅니다.

초록 패혈증은 병원 사망의 주요 원인이며, 그 유의미한 이질성은 예후 및 계층화를 복잡하게 만듭니다. 이 문제를 해결하기 위해 우리는 패혈증을 위한 설명 가능한 인공지능 예후 모델(SepsisFormer, 변환기 기반 신경망)과 자동화된 위험 계층화 도구(SMART)를 개발했습니다. 12,408명의 패혈증 환자를 대상으로 한 다기관 후향적 연구에서, SepsisFormer는 높은 예측 정확도(AUC: 0.9301, 민감도: 0.9346, 특이도: 0.8312)를 달성했습니다. SMART(AUC: 0.7360)는 대부분의 기존 점수 시스템을 초월했습니다. 환자 나이와 7개의 응고-염증 일상 실험실 측정값이 환자를 네 가지 위험 수준(경미, 보통, 심각, 위험)과 두 가지 하위 표현형(CIS1 및 CIS2)으로 분류하는 데 확인되었습니다. 각 표현형은 독특한 임상적 특성과 사망률을 가지고 있습니다. 주목할 만하게도, 보통/심각 수준 또는 CIS2에 해당하는 환자들은 항응고 치료로 더 큰 혜택을 얻습니다. 따라서 우리의 작업은 패혈증 이질성에 대해 간단하고 실시간으로 실행 가능한 도구 세트를 제공하며, 전 세계적으로 특히 자원이 제한된 의료 환경에서 패혈증 임상 관행을 개선할 수 있는 잠재력을 입증합니다.