تولد أقسام العناية المركزة بيانات زمنية متعددة المتغيرات ضخمة تلتقط الحالات الفسيولوجية الديناميكية للمرضى الذين يعانون من أمراض حرجة. على الرغم من التقدم في دعم اتخاذ القرار السريري المدعوم بالذكاء الاصطناعي، تظل النماذج الحالية محدودة. فهي مصممة وفقًا لظروف معينة أو مؤسسات فردية وتتطلب تكييفًا واسع النطاق للإعدادات الجديدة. لجعل التعميم ممكنًا، نقدم ICareFM، وهو نموذج أساسي جديد للعناية المركزة، تم تدريبه على مجموعة بيانات متناسقة على نطاق غير مسبوق. تحتوي مجموعة البيانات على 650,000 إقامة للمرضى، مما يجمع أكثر من 4,000 سنة من بيانات المرضى، وأكثر من مليار قياس من المستشفيات في الولايات المتحدة، والعديد من الدول الأوروبية، والصين. يستخدم ICareFM هدفًا ذاتيًا جديدًا للزمن حتى الحدث يستخرج تمثيلات قوية للمرضى من بيانات زمنية متعددة المتغيرات غير المنتظمة. ونتيجة لذلك، يمكن لـ ICareFM التعميم على مهام جديدة وما وراء توزيع تدريبه، وهي خاصية نثبتها من خلال تقييمات في مجموعة من السيناريوهات خارج التوزيع، بما في ذلك النقل إلى مستشفيات غير مرئية والاستدلال بدون تدريب على مهام لم يتم ملاحظتها مسبقًا. يتفوق ICareFM باستمرار على نماذج التعلم الآلي التقليدية وخطوط الأساس لنماذج الأساس الحديثة، مما يثبت قوة التعميم، وكفاءة البيانات المحسنة، والقدرة على تقديم توقعات قابلة للتفسير. تؤسس هذه النتائج ICareFM كنموذج أساسي قابل للتوسع والتكيف لبيانات وقت الرعاية الحرجة، مما يمكّن التنبؤ السريري بدون تدريب ويعمل نحو تطوير توائم رقمية للمرضى من أجل الطب الدقيق.
درس بورجر وآخرون (الجمعة) هذا السؤال.