기계 학습을 이용한 ICU 사망률 및 재원 기간 예측 알고리즘

기계 학습은 결과를 예측하고 정확한 예측에 기여하는 변수를 결정할 수 있으며, 따라서 결과의 서로 다른 위험 요소를 가진 환자를 분류할 수 있습니다. 본 연구는 기계 학습을 사용하여 집중 치료실(ICU) 환자의 사망률 및 재원 기간에 대한 예측 정확성을 조사하고, 환자의 정확한 예측 또는 분류에 기여하는 변수를 식별하는 것을 목표로 하였습니다. 치바 대학 병원에 입원한 환자(n = 12,747)는 훈련 집단과 테스트 집단에 무작위로 배정되었습니다. 훈련 집단에서 입원 시 변수들을 이용한 학습 후, 테스트 집단에서 곡선 아래 면적(AUC)을 분석하여 결과에 대한 감독 기계 학습 분류기(주요 결과: 사망률; 부가 결과: ICU 재원 기간)의 예측 정확성을 평가했습니다. 기계 학습 예측에 기여하는 변수의 순위가 확인되었고, 사망률 위험 요소가 있는 환자에 대한 군집 분석을 수행하여 환자 결과와 관련된 중요한 변수를 식별했습니다. RF를 이용한 기계 학습은 사망률에 대해 높은 예측 가치를 나타내며, AUC는 0.945(95% 신뢰 구간 CI 0.922-0.977)였습니다. 또한, RF는 짧은 ICU 재원 기간과 긴 ICU 재원 기간에 대해서도 높은 예측 가치를 나타내며, AUC는 각각 0.881(95% CI 0.876-0.908) 및 0.889(95% CI 0.849-0.936)입니다. 젖산 탈수소효소(LDH)는 사망률과 ICU 재원 기간 모두에 대한 정확한 예측에 기여하는 변수로 확인되었습니다. LDH는 또한 사망률의 위험 요소에 따라 환자를 하위 집단으로 분류하는 데 기여하는 변수로 확인되었습니다. 기계 학습 알고리즘은 ICU 환자의 사망률과 재원 기간을 높은 정확도로 예측할 수 있었습니다. LDH는 사망률과 ICU 재원 기간 예측에 기여하는 변수로 확인되었으며, 사망 위험에 따라 환자를 분류하는 데 사용할 수 있습니다.