Core Concepts
ICUでの急性脳機能障害(ABD)の予測において、選択的状態空間モデルを使用して12時間ごとに動的にデリリウム、昏睡、死亡を予測することが可能であり、早期介入を可能にする。
Abstract
現在の診断方法は不十分であり、EHRデータを活用してABDの予測を行うことが重要。
過去の研究では24時間以上かかり、1回限りの予測しか行われていなかったが、本研究は12時間ごとに動的な予測を行っている。
MAMBA選択的状態空間モデルは最も優れたパフォーマンスを示し、ABD結果の平均AUROCは0.95であった。
モデルは現在進行中のICU滞在中の患者に対してリアルタイムでABDステータスを予測し、早期介入が可能であることが示されている。
方法
データ収集:3つの異なるデータセットから収集されたEHRデータを使用。
ABDフェノタイプ:RASS、CAM、GCSスコアに基づくABDステータスラベル作成。
モデリング:LongformerおよびMAMBAモデルが提案されたTransformerモデルよりも優れたパフォーマンスを示す。
結果
アウトカム予測:LongformerおよびMAMBAモデルは高い精度でアウトカム(昏睡、デリリウム、死亡)を予測。
トランジション予測:クリティカルなABDステート間のトランジションも正確に予測される。
貢献
本研究では12時間ごとに動的なABD予測が可能であり、他の多施設から得られた大規模なEHRデータセットでも有効性が示されている。
Stats
ICU滞在全体で平均AUROC 0.95を達成したMAMBA選択的状態空間モデル。
Quotes
"ICU内で動的な早期急性脳機能障害(ABD)の診断は重要です。"
"我々はEHRデータから自動化された方法を開発しました。"