机器学习多模态模型用于谵妄风险分层
本质量改进研究在Mount Sinai医院非ICU病房开发并实时部署融合多模态与自然语言处理的机器学习谵妄风险分层模型,以Confusion Assessment Method为诊断参考标准。模型在2023年3月至2024年3月实时临床验证中AUROC为0.94(95%CI 0.93-0.95),工作阈值0.55时敏感度83%、特异度90%。模型部署后月度谵妄检出率中位数由4.42%升至17.17%(P<.001)。部署后队列苯二氮䓬类和奥氮平每日剂量显著低于部署前。作者认为该模型可能有助于资源分配以改善谵妄识别与照护。
要点
- 模型用于≥60岁非ICU内外科住院患者,每日自动风险分层,风险≥0.55显示为高风险并优先安排CAM筛查。
- 实时临床部署验证AUROC 0.94(95%CI 0.93-0.95);阈值0.55时敏感度83%(95%CI 79%-87%)、特异度90%(95%CI 89%-91%)、F1 0.31(95%CI 0.28-0.34)。
- 月度谵妄检出率中位数由部署前4.42%(95%CI 3.70%-5.14%)升至部署后17.17%(95%CI 15.54%-18.80%),P<.001。
- 部署后队列苯二氮䓬类每日剂量中位数0.93(0.42-2.28)地西泮当量 vs 部署前1.60(0.66-4.27)地西泮当量,P<.001。
- 部署后队列奥氮平每日剂量中位数1.09(0.38-2.46)mg vs 部署前2.50(1.17-6.65)mg,P<.001;但接受奥氮平的患者比例部署后更高(5.3% vs 0.8%)。
适用人群与场景
- ≥60岁、入住或转入Mount Sinai医院非ICU内科和外科病房的住院患者。
- 模型训练与测试队列为2016年1月至2020年1月至少完成1次CAM评估的非ICU住院患者。
- 实时临床部署验证队列为2023年3月1日至2024年3月31日经融合模型评估的非ICU住院患者。
- 部署前后比较队列为2018年3月1日至2019年3月31日(部署前)与2023年3月1日至2024年3月31日(部署后)至少完成1次CAM评估的住院患者。
诊断标准与关键阈值
- 以Confusion Assessment Method(CAM)作为谵妄诊断参考标准,由经过可靠性认证的评估者使用电子病历内数字化CAM版本评估,并按CAM手册与培训指南的预设标准由电子病历智能工具自动生成谵妄诊断。
- 模型风险分层时间设定为CAM评估前24小时。
- 模型操作风险概率阈值为0.55:风险≥0.55为高风险(电子病历患者列表中桃色标识),风险<0.55为低风险(绿色标识)。
- 谵妄阳性标签定义为首次CAM阳性评估的时间戳,阴性标签定义为末次CAM阴性评估的时间戳。
- 完成CAM评估并记录后,患者从预测模型中抑制5天,随后再次进行风险分层。
处置流程与药物剂量
- 自2023年2月27日融合模型实时部署起,对≥60岁入住或转入非ICU内科和外科病房的每位患者每日进行谵妄风险分层。
- 风险值在电子病历患者列表中以颜色编码显示,悬停可查看模型风险预测的具体特征。
- 谵妄服务评估者依据风险可视化结果,优先对高风险患者进行CAM筛查。
- CAM评估完成并记录后,患者从预测模型中被抑制5天,之后再次接受模型风险分层。
- 模型使用与性能通过实时仪表盘进行前瞻性追踪。
研究设计与关键结果
- 研究类型为质量改进研究,采用中断时间序列分析,在Mount Sinai医院开展;总样本32284例住院入院,平均(SD)年龄73.56(9.67)岁,15157例(46.9%)女性。
- 融合模型训练与测试队列加实时临床部署验证队列共25261例内外科老年住院患者;部署前加部署后队列共7023例。
- 实时临床部署验证中模型AUROC为0.94(95%CI 0.93-0.95);阈值0.55时敏感度83%(95%CI 79%-87%)、特异度90%(95%CI 89%-91%)、F1评分0.31(95%CI 0.28-0.34)。
- 月度谵妄检出率中位数(IQR)由部署前4.42%(3.70%-5.14%)升至部署后17.17%(15.54%-18.80%),P<.001。
- 部署后队列住院时间中位数(IQR)13.11(7.65-22.49)天 vs 部署前6.78(3.85-11.66)天。
- 部署后队列接受阿片类药物的患者比例44.6%(1352例)vs 部署前21.3%(852例),P<.001;接受奥氮平的比例5.3%(162例)vs 0.8%(31例),P<.001。
- 接受这些药物的患者中,部署后队列苯二氮䓬类每日剂量中位数(IQR)0.93(0.42-2.28)地西泮当量 vs 部署前1.60(0.66-4.27)地西泮当量,P<.001;奥氮平每日剂量中位数(IQR)1.09(0.38-2.46)mg vs 2.50(1.17-6.65)mg,P<.001。
- 模型中最强变量为患者对人物、时间、地点的定向力准确性,其次为自然语言处理综合预测评分。
证据类型、等级与局限
- 证据类型:质量改进研究,采用中断时间序列分析,遵循SQUIRE报告规范。
- 模型开发采用纵向整合方法,以经过可靠性认证评估者使用的高敏感度和高特异度CAM评估作为谵妄诊断参考标准。
- 局限:缺乏在其他医院的外部验证。
- 局限:模型设计为与本研究机构独特的多组分现存谵妄治疗模式协同工作,该模式不同于更常见的以谵妄预防为重点的多组分项目。
- 局限:许多医院系统缺乏专门的谵妄服务,模型的采用和有效实施取决于医疗从业者是否愿意采用该风险分层工具并进行适当的患者评估;需要进一步研究确认其适用性。
对床旁实践的改变
- 作者认为该模型在实时临床实践中表现出可接受的性能,可能有助于资源分配以增强谵妄识别与照护。
- 作者认为观察到的部署后住院时间延长可归因于谵妄患病率更高和Elixhauser合并症指数更高。
- 作者认为部署后队列合并症指数和谵妄患病率更高,可能使更多患者因相关疼痛、焦虑和激越而需要用药,同时努力降低了剂量;作者注明这仍是推测,无法用当前数据 definitive 检验。
- 作者计划在Mount Sinai Morningside医院进行模型性能的正式分析,并在该院实施实时监测系统。
- 作者正在探索将部署扩展至附属医院,特别是那些没有专门谵妄服务的医院。
提炼说明
- 原文未涉及「红旗征与不能漏的情况」「指南或共识出处」,故未列出这些栏目。
全文中译22 节 · 点击展开
引言
谵妄是住院患者中经常发生的神经精神综合征,由各种内科、外科、药理学和环境因素诱发。它表现为急性精神状态改变,并与短期和长期不良后果相关,包括发病率、死亡率、再入院率和功能下降增加以及住院时间延长。1,2 尽管谵妄经常发生且后果不良,但在医院环境中,谵妄的诊断常常被遗漏和延迟。因此,更及时地诊断谵妄、准确评估谵妄风险,随后对现有谵妄进行快速治疗并对高风险患者采取预防措施,对于减轻这些不良结局至关重要。
为促进医院环境中更及时的谵妄诊断,将人工智能(AI)应用于住院患者谵妄发生风险分层日益受到关注。因此,探索利用机器学习(ML)并在电子病历(EMR)数据支持下开发预测模型的研究迅速发展,这些模型针对重症监护病房(ICU)以外医院环境中发生的谵妄。3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48 然而,这些模型大多未在实时临床环境中进行测试,导致关于AI对住院患者谵妄相关工作流程和临床结局附加价值的证据匮乏。
最近,少数基于ML的谵妄风险模型出版物探讨了在被评估模型中使用自然语言处理(NLP)特征的益处。11,25,32,33,46 此外,有2篇出版物报告了在其基于ML的谵妄风险分层模型中将传统基于EMR的特征与NLP特征融合,两者均支持NLP组件的模型提升效力。11,32
尽管有这些进展,据我们所知,仅有4篇出版物报告了基于ML的谵妄预测模型在实时临床实践中的性能,其中3篇报告测试了同一模型(不含NLP)。9,22,48 其中2篇报告比较了护理和医生来源的谵妄风险分配与基于ML的谵妄风险分配,9,22 1项研究针对结构化谵妄评估工具测试了模型预测性能。48 这些研究中仅1项报告了临床结局:用户接受度,通过作者开发的问卷评估。22 第4篇报告描述了基于ML的预测模型(含NLP组件)在急性肾损伤、脓毒症和谵妄中的临床部署,谵妄诊断基于出院时分配的EMR衍生诊断代码,且未报告临床影响。25
为解决这些不足,在本研究中,我们旨在报告一种多模态基于ML的谵妄风险分层模型在实时临床实践中的开发、训练、验证和运行化,采用序列模型优化,使用纵向整合方法49,并呈现优化模型在实时临床实践中的性能结果及其与临床工作流程和临床结局的关联。
方法
研究设计与设置
本质量改进研究经西奈山医院(MSH)机构审查委员会批准,该委员会还基于所访问受保护健康信息的最小风险授予了免除知情同意的决定。我们遵循了质量改进报告卓越标准(SQUIRE)报告指南。本研究于2019年7月至2024年3月在MSH进行,采用中断时间序列分析50,重点评估我们开发的电子病历(EMR)支持的基于机器学习(ML)的谵妄风险分层模型与工作流程及临床结局的关联。
模型开发
自2016年以来,MSH系统内已运行一项新型谵妄干预项目,针对已经发生谵妄的患者。与传统的多组分谵妄预防项目相比,该项目使用一个规模较小的改良团队。51该团队得到广泛工作流程自动化的支持,这些自动化由利用数据连通性、实时监测和集成到我们EMR中的自动化多步骤流程的定制工具所促进。51
经过培训并被认证为可靠评估者的团队成员51使用集成到我们EMR中的数字化版意识模糊评估法(CAM)52来录入他们的患者评估。这些评估由基于EMR的智能工具评分,该工具使用自动化多步骤流程,根据CAM手册和培训指南53中概述的预编程标准生成谵妄诊断。一旦诊断为谵妄,额外的谵妄智能工具被激活,团队成员对已识别的患者启动治疗。51
所有入住非ICU内科和外科单元、年龄60岁及以上且符合纳入标准51的患者,在部署我们基于ML的谵妄风险分层模型任何版本之前,均接受了谵妄服务团队的CAM评估。由于评估量大且资源有限,患者在住院期间仅接受一次CAM评估。为解决这些低效问题,谵妄服务团队与临床数据科学团队合作,开发并部署了一个EMR支持的ML模型,以对我们的医院中发生谵妄的风险进行分层。
我们采用垂直整合方法进行基于ML的谵妄风险分层模型的开发、训练、测试和部署培训,而非Zhang及其同事49所概述的以模型为中心的方法。简言之,所有阶段模型设计和部署工作均由一个跨学科团队完成,该团队考虑现有基础设施是否协同运作并在开发、测试和部署期间支持模型,同时持续评估临床影响、用户及其他利益相关者反馈,以及响应所有这些要素的模型升级。49因此,开发、测试和部署了3个连续的谵妄风险分层模型版本(补充材料1中的eFigure 1)。本文介绍的目前在MSH部署的模型代表了优化模型版本的融合,利用EMR患者数据特征和自然语言处理(NLP)处理的临床笔记特征,以下称为融合多模态NLP模型。
队列
用于融合多模态与NLP模型训练、测试、部署后验证以及分析模型部署与工作流程和临床结局关联的数据,来源于2016年1月至2020年1月以及2023年3月至2024年3月期间入住或转入MSH非ICU单元的年龄至少60岁患者的就诊级电子病历(EMR)数据。我们使用4个队列进行这些分析。融合模型训练/测试队列包括2016年1月至2020年1月期间至少进行过1次CAM评估的住院患者。融合模型实时临床部署验证队列包括2023年3月1日至2024年3月31日期间由融合模型评估的住院患者。机器学习前(pre-ML)队列包括模型部署前13个月期间(2018年3月1日至2019年3月31日)至少进行过1次CAM评估的住院患者,用于评估任何模型版本部署前的工作流程和临床结局。最后,机器学习后(post-ML)队列包括模型部署后13个月期间(2023年3月1日至2024年3月31日)至少进行过1次CAM评估的住院患者,用于评估模型实时临床部署期间的工作流程和临床结局。创建pre-ML和post-ML队列是为了确保工作流程和临床结局的比较是在来自相同时长的时间段的组别之间进行的。
模型开发数据来源
2016年1月至2020年1月期间入住或转入MSH非ICU单元的60岁及以上患者的就诊级数据来源于多个数据源:入院-出院-转科平台提供人口统计学和入院数据,结构化临床评估(包括实验室结果和生命体征)从我们的EMR软件(Epic;Epic Systems)中提取,心电图测量数据从MUSE版本9(GE HealthCare Technologies)获取,非结构化临床数据(如病程记录和护理记录)从EMR中提取。
训练标签
根据CAM的标准化评分,患者被分类为谵妄阳性或谵妄阴性。53 谵妄发作时间(t0)定义为首次提示谵妄的CAM阳性评估的时间戳,或最后一次CAM阴性评估的时间戳。
结构化和半结构化EMR数据处理
模型的输入依赖于临床观察。为标准化输入数据,开发了一个采样模块以应用自适应逻辑,确保在预定义区间内具有固定数量的观察值。该方法为每种类型创建一致、可重复的观察数组,适应多样化的临床场景。54通过指定相对于风险分层时间(tp)的采样窗口和频率来构建时间序列。采样窗口根据变量可用性确定,优化数据完整性并尽量减少缺失值(补充材料1中的e图2)。风险分层时间(tp)设定为CAM评估前24小时,而采样频率定义了临床测量之间的标准间隔,确保观察值之间的一致性。为处理数值变量中的缺失值,对每个变量采用跨队列中位数进行插补。对于每个分类变量,使用特定的编码映射来处理缺失值。例如,性别的编码映射为:男性:(0, 0, 1),女性:(0, 1, 0),未知:(1, 0, 0),缺失值:(0, 0, 0)。患者种族和民族依据我们的电子病历(EMR)记录工作流程进行识别,并由护理人员在入院时记录。种族和民族分类为亚裔、黑人或非裔美国人、西班牙裔、白人及其他(例如,美洲印第安人或阿拉斯加原住民、夏威夷原住民或太平洋岛民、多种族及其他)。对每个变量构建采样观察值数组,随后组装为特征向量。
临床记录预处理
对于纳入融合模型训练和测试队列的每次住院,临床记录(包括护理记录(由注册护士提交)和病程记录(由住院医师、专科培训医师、主治医师、执业护士、医师助理提交))被汇总为文本语料库。该语料库涵盖从风险分层时间前12小时窗口内采样的护理记录和病程记录(补充材料1中的e图3)。文本语料库使用句子检测模块进行处理,将文本分割为独立句子,随后输入自然语言处理(NLP)流程进行分词、词干提取、词形还原以及创建1-gram和2-gram词袋模型。在队列层面以就诊为单位计算词频率。在谵妄阳性患者的记录中词频率至少为0.3的词汇被选为候选特征。所得特征列表分为3个主要类别:诊断、体征和症状以及药物。专家临床反馈用于优化特征选择,重点关注与谵妄表现相关的特征。这些选定的特征随后被组装为特征向量。
临床记录分类器开发
历史队列数据集被随机分为训练集(70%)和测试集(30%)。由于存在显著的类别不平衡(95%谵妄阴性 vs 5%谵妄阳性),对训练集应用随机欠采样以达到50%阴性和50%阳性的均衡分布。无临床记录的就诊被排除在训练集之外。使用开源Apache Spark项目ML库55中的随机森林算法,采用10折交叉验证训练模型,并使用递归特征消除进行特征选择。超参数调优后,实施递归特征消除以减少特征数量。对于特征消除,我们应用了接收者操作特征曲线下面积(AUROC)评分阈值2.5%或更低,以永久移除贡献最小的特征。
融合多模态与自然语言处理模型的开发
为开发融合多模态与自然语言处理模型,使用了欠采样训练集,整合了源自结构化和半结构化观察数据的特征向量。自然语言处理风险评分被附加到这些特征向量中。采用10折交叉验证程序,使用随机森林算法训练模型。超参数优化后,应用递归特征消除方法减少特征数量(补充材料1中的e图4)。
融合多模态与自然语言处理模型在实时临床实践中的部署
自2023年2月27日融合模型实时临床部署以来,MSH每日对每位年龄至少60岁、入住或转入非ICU内科和外科单元的患者进行谵妄风险分层。所得的谵妄风险值以颜色编码可视化显示在我们的电子病历(EMR)患者列表中,桃色表示高风险(风险≥0.55),绿色表示低风险(风险<0.55)。将鼠标悬停在这些风险值上会打开一个弹窗,提供基于模型的风险预测的具体特征。MSH谵妄服务评估人员使用此风险可视化来优先对谵妄高风险患者进行CAM筛查。一旦CAM评估完成并记录在我们EMR中CAM的数字化版本中,51这些患者将在预测模型中抑制5天。随后,他们再次被模型进行风险分层。模型使用和性能通过实时仪表板进行前瞻性追踪。
统计分析
前机器学习队列与后机器学习队列之间人口学和临床特征的差异使用中位数进行分析(由于显著偏态),连续变量采用Kruskal-Wallis检验,分类变量采用χ2检验。Elixhauser合并症指数基于所有次要的国际疾病统计分类第十版临床修改版(ICD-10-CM)诊断对所有患者进行计算。56
模型评估
使用scikit-learn库和自定义Python脚本57计算敏感度(召回率)、特异度、F1分数(模型识别有诊断和无诊断患者的能力)和AUROC及其95%置信区间,以评估和比较在微调期间和融合模型临床部署期间开发的不同模型的判别性能。
工作流程与临床结局
通过比较每月谵妄检出率来分析工作流程变化,该检出率计算为CAM阳性谵妄筛查结果与每月进行的CAM评估总数的比值。谵妄检出率的比较采用逻辑回归,并校正年龄、性别、种族和民族、外科或内科主要诊断、评估时存在的痴呆以及Elixhauser共病指数。住院时间(LOS)(以天计)和药物给药数量被选为临床结局,正如先前报道的与我们谵妄服务部署相关的结果。51 阿片类药物和苯二氮䓬类药物因其已知的诱发谵妄作用而被特别选择,58 抗精神病药物则因美国食品药品监督管理局关于65岁及以上痴呆患者死亡风险增加的黑框警告而被选择。59 阿片类药物给药的分析方法是先比较接受这些药物的患者比例,再比较每住院日给予的静脉吗啡剂量当量(以毫克计)。苯二氮䓬类药物给药同样采用每住院日给予的地西泮剂量当量(以毫克计)进行比较。对 haloperidol、risperidone、olanzapine 和 quetiapine 等抗精神病药物给药进行了类似分析。鉴于所选临床结局的分布高度偏斜,我们应用概率指数模型比较LOS和药物给药,并校正相同的协变量。P值为双侧,统计学显著性设定为P < .05。数据使用R软件版本4.3.3(R Project for Statistical Computing)进行分析。
结果
总样本包括32 284例住院入院(平均[SD]年龄,73.56(9.67)岁,15 157[46.9%]为女性)。共有25 261例具有内科和外科主要诊断的老年患者住院入院构成联合模型测试与训练队列(中位年龄,73.37[66.42-81.36]岁)和实时临床部署验证队列(中位[IQR]年龄,72.11[62.26-78.97]岁),而7023例具有内科和外科主要诊断的老年患者住院入院构成联合的机器学习前(中位[IQR]年龄,74.00[68.00-81.00]岁)和机器学习后(中位[IQR]年龄,75.33[68.34-82.91]岁)队列。
在机器学习前队列中,共有3992例住院患者至少接受了1次CAM评估,在机器学习后队列中有3031例住院患者,用于分析工作流程和临床结局。机器学习前与机器学习后队列的显著差异包括:亚裔患者比例较高(260例患者[6.5%] vs 86例患者[2.8%])和白人患者比例较高(1758例患者[44.0%] vs 974例患者[32.1%]);黑人或非裔美国人患者比例较低(755例患者[18.9%] vs 789例患者[26.X%])、西班牙裔患者比例较低(818例患者[20.6%] vs 827例患者[27.3%])、其他种族和族裔患者比例较低(342例患者[8.5%] vs 264例患者[8.7%]);手术患者比例较高(2045例患者[51.2%] vs 1179例患者[38.9%]);Elixhauser合并症指数较低(中位数[IQR],15[3-27] vs 24[12-38]);以及住院时间(LOS)较短(中位数[IQR],6.86[4.07-13.13]天 vs 13.11[7.65-22.49]天)(表1)。用于分析模型性能的融合模型训练和测试队列(5646例患者)及融合模型实时临床部署验证队列(19615例患者)的人口学和临床数据未显示此类差异,见补充材料1中的eTable。
模型性能
表2展示了基于机器学习的融合多模态联合自然语言处理谵妄风险分层模型在训练期、测试期和实时临床部署期的判别性能统计量。图1显示了相应的AUROC曲线。在实时临床部署期间,模型的AUROC为0.94(95% CI,0.93-0.95),在操作性风险概率阈值0.55处,模型的灵敏度为83%(95% CI,79%-87%),特异度为90%(95% CI,89%-91%),F1分数为0.31(95% CI,0.28-0.34)。
模型特征及其重要性
按Gini重要性排序的前20个变量在补充材料1的eFigure 5中分别针对自然语言处理(NLP)模型和融合多模态联合NLP模型进行了总结。患者对人物、时间和地点的定向力准确性被确定为融合模型中最强的变量,紧随其后的是复合NLP预测评分。
工作流程变化
部署期间每月谵妄检出率显著增加。中位数(IQR)率从4.42%(3.70%-5.14%)增加至17.17%(15.54%-18.80%)(P < .001)(图2)。
临床结局
ML后队列的LOS显著高于ML前队列(中位数[IQR] LOS,13.11 [7.65-22.49]天 vs 6.78 [3.85-11.66]天)。与ML前队列相比,ML后队列中更高 proportion 的患者接受了阿片类药物(1352例患者[44.6%] vs 852例患者[21.3%];P < .001)和奥氮平(31例患者[0.8%] vs 162例患者[5.3%];P < .001)。然而,在ML后队列 vs ML前队列中接受这些药物的患者,其苯二氮䓬类药物的每日剂量显著更低(中位数[IQR]剂量,0.93 [0.42-2.28]地西泮剂量当量 vs 1.60 [0.66-4.27]地西泮剂量当量;P < .001)和奥氮平(中位数[IQR]剂量,1.09 [0.38-2.46] mg vs 2.50 [1.16-6.65] mg;P < .001)(表3)。
讨论
在这项质量改进研究中,我们提出了一种采用纵向整合方法开发的融合多模态 with NLP 基于ML的谵妄风险分层模型,并在13个月的真实临床实践中展示了可接受的判别性能统计量。模型部署与谵妄检出率显著增加4倍相关。这种工作流程的转变使得能够对谵妄风险更高的患者群体进行有针对性的反复筛查,从而优化资源配置。虽然至少还有1个其他 with NLP 的ML-谵妄风险分层模型在真实临床实践中经过测试并已发表,25但其缺乏对相关工作流程或临床结局的报告。同样,3篇关于无NLP的基于ML的谵妄风险分层模型在真实临床实践中测试的报告也未报告此类结局。9,22,48
我们认为,在ML后队列中观察到的住院LOS增加可归因于谵妄患病率更高和Elixhauser合并症指数更高,二者均为与住院LOS增加相关的已知因素。1,60此外,虽然ML后队列中更高 proportion 的患者接受了苯二氮䓬类药物、氟哌啶醇和奥氮平,但他们接受的这些药物每日剂量显著更低。我们的服务重点在于传播谵妄预防和治疗最佳实践,包括减少精神药物和阿片类药物的使用。51鉴于ML后队列中Elixhauser合并症指数和谵妄患病率更高,可能是这一精细化队列中相关疼痛、焦虑和激越患病率增加,使更多患者需要使用药物,同时亦努力减少给药剂量。然而,这仍属推测,无法用我们当前的数据进行确定性验证。
我们模型开发过程的一个主要优势是,使用由具有经验证可靠性的评估者51所操作的高敏感性和特异性的CAM谵妄评估工具52作为谵妄诊断的参考标准。这种标准的谵妄诊断方法在已发表的基于机器学习的谵妄预测模型中很少使用5,8,10,17,19,20,24,27,28,37,38,39,40,43,44,45,47,48,这使我们的方法有别于大多数仅依赖电子病历审查和ICD-10-CM编码的已发表报告。
本文所呈现模型的另一个优势是其在真实临床实践中的开发和验证,利用了垂直整合流程49。迭代式模型升级过程促进了与模型部署相关的实际挑战的解决。此外,我们的模型是使用多样化的内科和外科患者队列开发的,而大多数已发表的基于机器学习的谵妄预测模型是在定义更狭窄的内科6,18,20,23,24,32,36,46,47或外科3,8,10,14,15,16,17,22,26,27,28,29,30,34,38,39,40,41,42,43,44,45,48患者队列上开发和验证的。这增强了我们模型的潜在可推广性。
我们将通过严格的评估和临床应用继续推进我们的模型。我们的近期计划包括在纽约州纽约市西奈山晨边医院对模型性能进行正式分析。为确保最佳利用和影响,我们将在西奈山晨边医院实施实时监测系统。此外,我们正在积极探索将部署扩展到附属医院的机会,特别是那些没有专门谵妄服务的医院。通过扩大我们模型的覆盖范围,我们旨在改善患者护理并在多样化的医疗保健环境中简化临床工作流程。
局限性
本研究存在一些局限性。对该模型可推广性的任何热情都应因缺乏在其他医院的外部验证而有所克制。该模型可推广性的另一个局限性在于,我们的模型是为了与我们对现存谵妄的独特多组分治疗形式协同工作而开发的,这与更常见的侧重于谵妄预防的多组分谵妄项目的应用有所不同61。鉴于许多医院系统缺乏专门的谵妄项目,该模型的采用和有效实施将取决于医疗保健从业者采用这一谵妄风险分层工具并进行适当患者评估的意愿。虽然这并不排除该模型在此类环境中的实用性,但仍需进一步研究以确认其适用性。
结论
这项质量改进研究开发并证明了一种新型多模态机器学习模型在真实临床实践中自动化谵妄风险分层的可行性和临床实用性。该模型在真实临床实践中表现出可接受的性能,并可能促进资源分配以增强谵妄识别和护理。
参考来源
- Friedman JI, Parchure P, Cheng FY, et al. Machine Learning Multimodal Model for Delirium Risk Stratification. JAMA Netw Open. 2025. PMID: 40332938. doi:10.1001/jamanetworkopen.2025.8874
- 全文:PMC12059973(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12059973/
供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。