Accuracy of Predicting Sepsis Mortality With Machine Learning Compared to SOFA Scale.
Aviri, Alexander |
Recenzentas / Reviewer | |
Komisijos pirmininkas / Committee Chairman | |
Komisijos narys / Committee Member | |
Komisijos narys / Committee Member |
Sepsis is a life-threatening condition which leads to rapid tissue damage and organ failure.
This condition is difficult to diagnose at an early stage. SOFA score is used for diagnosis of sepsis currently in clinical practice. It is crucial for the patient to be diagnosed rapidly, since early treatment gives a better prognosis. Machine learning (ML) is a subbranch of artificial intelligence. It is already used in several branches of medical care and diagnostics. The aim of this work is to analyze the performance of machine learning prediction concerning sepsis mortality and to compare machine learning results to SOFA score results. The systematic literature review was performed, and the results showed that ML algorithms outperformed the SOFA scale in predictions of mortality in our study when considering the best performed ML algorithms. Also, this is still a very novel emerging topic and further studies and research are needed. For instance, on how to apply these technologies in a daily clinical practice, to help predict the patients who are at higher risk of dying and thus in need of extra care.
Sepsis yra gyvybei pavojinga būklė, sukelianti greitą audinių pažeidimą ir organų nepakankamumą. Šią būklę sunku diagnozuoti ankstyvoje stadijoje. Šiuo metu klinikinėje praktikoje sepsiui diagnozuoti naudojama SOFA skalė. Labai svarbu šią būklę diagnozuoti ankstyvojoje stadijoje, nes tai suteikia galimybę anksčiau pradėti gydymą ir siekti geresnių prognostinių rezultatų. Mašininis mokymasis (MM) yra dirbtinio intelekto dalis. Jis jau naudojamas medicinos priežiūros ir diagnostikos srityse. Šio darbo tikslas yra išanalizuoti mašininio mokymosi prognozavimo rezultatus, susijusius su sepsio mirtingumu, ir palyginti mašininio mokymosi rezultatus su SOFA skalės rezultatais. Atlikta sisteminė literatūros apžvalga parodė, kad MM algoritmai pasiekė aukštesnius rezultatus nei SOFA skalė prognozuojant mirtingumą, atsižvelgiant į geriausiai veikiančius MM algoritmus. Tačiau, tai yra labai nauja tema, todėl reikia tolesnių mokslinių ir analitinių tyrimų. Pavyzdžiui, apie tai, kaip taikyti šias technologijas kasdienėje klinikinėje praktikoje, siekiant parengti diagnostinius sprendimus pacientams, kuriems yra didesnė mirties rizika ir kuriems reikia papildomos priežiūros.