Towards Personalised Patient Risk Prediction Using Temporal Hospital Data Trajectories

要約

患者の健康状態を定量化することで、臨床医は患者のリスクを洞察し、より適切にトリアージしてリソースを管理できるようになります。
早期警告スコア (EWS) は、入院患者の全体的な健康状態と有害な転帰のリスクを測定するために広く導入されています。
ただし、現在の EWS には、パーソナライゼーションの欠如と静的観測の使用の両方によって制限があります。
私たちは、個別化されたリスク予測を開発するための基礎として、集中治療室の患者を滞在中の観察データの軌跡に基づいてグループ化するパイプラインを提案します。
特徴の重要性は、モデルの説明可能性を提供するために考慮されます。
MIMIC-IV データセットを使用して、6 つのクラスターが特定され、疾患コード、観察結果、入院期間および転帰の違いが捕捉されました。
各 ICU 滞在の最初の 4 時間だけのデータにパイプラインを適用すると、滞在期間全体を考慮した場合と同じクラスターに患者の大部分が割り当てられます。
個別のクラスターでトレーニングされた院内死亡予測モデルは、クラスター化されていない患者コホートと比較した場合、6 つのクラスターのうち 5 つでより高い F1 スコアのパフォーマンスを示しました。
このパイプラインは臨床意思決定支援ツールの基礎を形成し、リスクグループの臨床的特徴付けと患者の悪化の早期検出を改善するために機能する可能性がある。

要約(オリジナル)

Quantifying a patient’s health status provides clinicians with insight into patient risk, and the ability to better triage and manage resources. Early Warning Scores (EWS) are widely deployed to measure overall health status, and risk of adverse outcomes, in hospital patients. However, current EWS are limited both by their lack of personalisation and use of static observations. We propose a pipeline that groups intensive care unit patients by the trajectories of observations data throughout their stay as a basis for the development of personalised risk predictions. Feature importance is considered to provide model explainability. Using the MIMIC-IV dataset, six clusters were identified, capturing differences in disease codes, observations, lengths of admissions and outcomes. Applying the pipeline to data from just the first four hours of each ICU stay assigns the majority of patients to the same cluster as when the entire stay duration is considered. In-hospital mortality prediction models trained on individual clusters had higher F1 score performance in five of the six clusters when compared against the unclustered patient cohort. The pipeline could form the basis of a clinical decision support tool, working to improve the clinical characterisation of risk groups and the early detection of patient deterioration.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google