|
リアルタイム予測の実装
抜管に成功した症例の抜管失敗確率を経時的にグラフ上に示すことが可能になった。最終的には失敗確率が0.2以下で抜管に成功した。また機械学習モデルの作成には、成人のデータのみを用いたが、乳児の抜管も予測し正しく予測することができた。いくつかの症例では医師と同様かつ正しい判断をした。
システマティックレビュー
機械学習を用いた人工呼吸器離脱の研究のシステマティックレビューを行った(Front Med 9:961252.)。7件の研究が発表されていた。これらの機械学習モデルは、電子カルテのデータ、8～78の特徴量、ANN、LightGBM、XGBoostなどのアルゴリズムを用いて開発された。感度は0.64～0.96、特異度は0.73～0.85、AUROCは0.70～0.98の範囲であった。最も重要と考えられる特徴量は、人工呼吸器装着期間、PaO2、血中尿素窒素、心拍数、Glasgow Coma Scaleであった。それぞれの研究にはいくつかの問題点があったが、機械学習による抜管成功の予測は、強力なツールになる可能性がある。
|
