研究人员使用机器学习识别高风险手术的病人

匹兹堡大学的研究人员和医生和UPMC使用机器学习创建和部署一个准确和灵活的模型预测手术后并发症的高风险的患者,根据公布的一项研究《美国医学会杂志》网络开放。

COVID-19大流行之前,全球第三大死因是并发症手术后30天内,每年造成约420万人死亡。识别病人谁是高风险的并发症手术之前是挽救生命的关键,降低医疗保健费用。

“改善整体健康的病人手术前通过prehabilitation可以改善高危患者的治疗结果,”阿曼Mahajan说,医学博士博士、mba,麻醉学和围手术期医学主席皮特医学院和UPMC围手术期和外科主任服务。

“然而,识别高危患者可能是一个挑战对于忙碌的医生,有整合的财富健康数据和频繁执行额外的测试和临床评估。我们想建立一个易于使用的模型,为卫生保健团队提供了一个自动化的迅速和准确的风险评估使用现有的数据在电子健康记录”。

创建模型、Mahajan和奥斯卡Marroquin,医学博士UPMC首席医疗数据和分析,和他们的团队训练的学习算法医疗记录超过125万个手术病人。模型集中在死亡率和病人是否有一个主要的脑或心脏事件,像一个中风或心脏病,手术后。然后模型验证与另一个UPMC中的200000名患者接受了手术。

经过验证,该模型部署在20 UPMC医院。每天早上,程序读取电子医疗记录患者安排手术和旗帜的决心是高风险的。这个通知允许临床团队更好地协调护理和研究所一些prehabilitation提前手术,像健康决策甚至UPMC的转诊中心的围手术期护理,降低并发症的风险。临床医生也可以在任何时候运行模型的需求。

获得更清楚的了解他们的模型与行业标准相比,Mahajan和他的团队相比,它对美国大学的外科医生的国家外科质量改进计划(ACS NSQIP)。而ACS NSQIP用于医院全国,它需要临床医生手动输入患者信息,如果信息丢失无法预测。Mahajan和他的研究小组发现在识别他们的模型做了一个更好的工作高危患者ACS NSQIP。

“我们设计的模型与卫生保健工作人员,“Marroquin说。“因为我们的模型是完全自动的,甚至可以做出有根据的预测如果丢失一些数据,它还附加了几乎没有临床医生的负担,同时提供一个可靠的和有用的工具。”

随着模型继续提炼和发展,Mahajan和他的团队目标训练程序预测脓毒症的可能性,呼吸问题和其他并发症,常常把病人在医院手术。