Articolul precedent |
Articolul urmator |
![]() |
![]() ![]() |
![]() IAPĂSCURTĂ, Victor, FIODOROV, Ion. Inteligența artificială pentru prezicerea stării clinice a pacientului pe exemplul sepsisului. In: Cercetarea în biomedicină și sănătate: calitate, excelență și performanță, Ed. 1, 18-20 octombrie 2023, Chişinău. Chișinău, Republica Moldova: 2023, p. 506. ISSN 2345-1476. |
EXPORT metadate: Google Scholar Crossref CERIF DataCite Dublin Core |
Cercetarea în biomedicină și sănătate: calitate, excelență și performanță 2023 | ||||||
Conferința "Cercetarea în biomedicină și sănătate: calitate, excelență și performanță" 1, Chişinău, Moldova, 18-20 octombrie 2023 | ||||||
|
||||||
Pag. 506-506 | ||||||
|
||||||
![]() |
||||||
Rezumat | ||||||
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 demonstrato 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. |
||||||
Cuvinte-cheie sepsis, învăţare automată, inteligență artificială, prezicerea sepsisului, sepsis, machine learning, Artificial Intelligence, sepsis prediction. |
||||||
|