論文No3824
Application of Machine Learning Models to Biomedical and Information System Signals From Critically Ill Adults
Craig M. Lilly,David Kirk,Itai M. Pessach,...Gershon Celniker,Eric W. Cucchi,James M. Blum
CHEST, VOLUME 165, ISSUE 5, P1139-1148, MAY 2024.
＜背景＞
機械学習（ML）由来の血行動態不安定や呼吸不全イベントの差し迫ったエピソードの通知は、
これらの合併症が発生する前に介入するために医師が間に合うように警告することができるので興味深い。
＜研究課題＞
MLアラート、遠隔医療システム（TS）生成アラート、または生体モニター（BM）は、
挿管または血管圧迫薬投与のエピソードを予測するのに優れた性能を有するか？
＜研究デザインと方法＞
MLアルゴリズムを訓練し、重症成人における挿管およびバソプレッサー開始イベントを予測した。
その性能をBMアラームおよびTSアラートと比較した。
＜結果＞
ML通知は、バソプレッサー開始および挿管イベントの予測において、
TSアラートよりもアラーム負荷が50倍低く、大幅に正確かつ精密であった。
内部検証コホートのML通知は、独立した学術医療センターの外部検証コホートとCOVID-19コホートで同様の性能を示した。
イベント検出法を検証した最近の患者からなる対照群についても特性を測定し、
TSアラートとBMアラームの性能を比較した。
TS試験の特性は、BM警報よりも警報負担が10倍少なく、大幅に優れていた。
MLアラートの精度（0.87-0.94）は他の臨床的に対処可能な検査の範囲内であったが、
TSアラートの精度（0.28-0.53）およびBMアラートの精度（0.019-0.028）はそうではなかった。
ML通知の総合的な検査成績（Fスコア）はTS警報の5倍以上であり、BM警報よりも高かった。
＜解釈＞
臨床的に対処された血行動態不安定および呼吸不全イベントに対するML由来の通知は、精度、正確さ、誤分類率、およびイベント前のリードタイムの違いの大きさが、よりプロアクティブなケアを可能にするのに十分大きく、ベッドサイドの医師のワークフローを中断する頻度が著しく低いため、進歩を意味する。
DeepL.com（無料版）で翻訳しました。
Background
Machine learning (ML)-derived notifications for impending episodes of hemodynamic instability and respiratory failure events are interesting because they can alert physicians in time to intervene before these complications occur.
Research Question
Do ML alerts, telemedicine system (TS)-generated alerts, or biomedical monitors (BMs) have superior performance for predicting episodes of intubation or administration of vasopressors?
Study Design and Methods
An ML algorithm was trained to predict intubation and vasopressor initiation events among critically ill adults. Its performance was compared with BM alarms and TS alerts.
Results
ML notifications were substantially more accurate and precise, with 50-fold lower alarm burden than TS alerts for predicting vasopressor initiation and intubation events. ML notifications of internal validation cohorts demonstrated similar performance for independent academic medical center external validation and COVID-19 cohorts. Characteristics were also measured for a control group of recent patients that validated event detection methods and compared TS alert and BM alarm performance. The TS test characteristics were substantially better, with 10-fold less alarm burden than BM alarms. The accuracy of ML alerts (0.87-0.94) was in the range of other clinically actionable tests; the accuracy of TS (0.28-0.53) and BM (0.019-0.028) alerts were not. Overall test performance (F scores) for ML notifications were more than fivefold higher than for TS alerts, which were higher than those of BM alarms.
Interpretation
ML-derived notifications for clinically actioned hemodynamic instability and respiratory failure events represent an advance because the magnitude of the differences of accuracy, precision, misclassification rate, and pre-event lead time is large enough to allow more proactive care and has markedly lower frequency and interruption of bedside physician work flows.