機械学習：集中治療室での循環不全の機械学習を用いる早期予測

集中治療専門医には、多数の監視システムからの大量の計測値が提示される。複雑な情報を処理する人間の能力は限られているので患者の状態悪化の早期認定が妨げられ、モニターからの警報が非常に多くなり、これが「アラーム疲労」につながる。今回我々は、240人年分のデータを持つ高分解能データベースを用いて、多数の臓器系からの計測値を統合する早期警報システムを、機械学習を用いて開発した。試験セットではこのシステムにより循環不全の90％が予測され、82％は2時間以上前に識別されており、そのAUC-ROC（受信者操作特性曲線下面積）は0.94、AUC-PR（適合率-再現率曲線下面積）は0.63だった。このシステムは、平均して患者当たり1時間に0.05回のアラームを発する。このモデルは、無関係な患者コホートを用いて外部機関により検証された。我々のモデルは、循環不全のリスクのある患者を、閾値を使う従来型のシステムに比べるとずっと低い誤報率で早期に識別できる。