Introducere. Sepsisul rămâne o varietate de stare critica,
deseori dificil de diagnosticat la timp, iar rezultatele tratamentului depind strâns de timpul când se începe tratamentul. Acești factori influențează direct mortalitatea, care cu
timpul a diminuat neînsemnat. Apariția unui nou actor, așa
numitele tehnologii de inteligența artificială, promite să
contribuie la rezolvarea acestei probleme. Scopul lucrării.
Elaborarea unei aplicații software pentru prezicerea sepsisului în secția de terapie intensivă. Material și metode.
Datele utilizate provin dintr-o bază de date cu acces public,
care conține 40366 cazuri din serviciul de terapie intensivă, la care au fost monitorizați 40 parametri fiziologici, demografici și de laborator pentru o perioadă medie de peste
38 ore. Datele au fost prelucrate în modul necesar pentru
elaborarea unei aplicații pentru utilizare clinică. S-a experimentat cu mai mulți algoritmi de învățare automată(ÎA),
selectându-se cel mai performant pentru crearea aplicației.
Rezultate. Cea mai înaltă performanță predictivă a demonstrat-o un set constituit din 6 parametri: frecvența cardiacă,
presiunea arterială sistolică și diastolică, saturația sângelui
periferic cu O2
, temperatura corpului și frecvența respirației, toate înregistrate în dinamică. Algoritmul cu cea mai
înaltă performanta a fost GBM (gradient boosting machine),care a realizat o arie de sub curba ROC de 95,4% în cazul
prezicerii sepsisului cu un orizont de 4 ore. Acest algoritm
a stat la baza aplicației, elaborate în limbajul de programare
Python, care urmează să fie testată pe pacienți din Moldova. Concluzii. Performanța înaltă a sistemului de prezicere
creat, condiționează raționalitatea testării și calibrării lui în
secțiile de terapie intensivă din Moldova. Cei șase parametri
fiziologici solicitați de aplicație pentru realizarea prezicerii
sepsisului sunt de rutină monitorizați în secțiile de profil
din țară.
Background. Sepsis remains a variety of critical condition, often difficult to diagnose in time, and the results of
treatment depend strongly on the time when treatment is
started. These factors directly influence mortality, which
has decreased insignificantly over time. The emergence of
a new actor, the so-called artificial intelligence technologies, promises to help solve this problem. Objective of the
study. Development of a software application for predicting
sepsis in the intensive care unit (preclinical development
stage). Material and methods. The data used in the study
come from a public access database containing 40366 cases from the intensive care unit, in which 40 physiological,
demographic and laboratory parameters were monitored
for an average period of more than 38 hours. The data were
processed as necessary to develop an application for clinical
use. Several machine learning (ML) algorithms were experimented with, selecting the best performing one to create the
application. Results. The highest predictive performance
was demonstrated by a set of 6 parameters: heart rate, systolic and diastolic blood pressure, peripheral blood O2
saturation, body temperature and breathing rate, all recorded
dynamically. The algorithm with the highest performance
was GBM (gradient boosting machine), which achieved an
area under the ROC curve of 95.4% in the case of predicting
sepsis with a 4-hour horizon. This algorithm was the basis
of the application, developed in the Python programming
language, which is to be tested on patients from Moldova.
Conclusion. The high performance of the created prediction system conditions the rationality of its testing and calibration in intensive care units in Moldova. The six physiological parameters required by the application to predict
sepsis are routinely monitored in the profile departments in
the country.
