Lekce 1Základy patofyziologie sepse a klinických kritérií (SIRS, qSOFA, SOFA, Sepsis-3)Přehled biologie sepse a odpovědi hostitele, poté propojení těchto mechanismů s ložnicovými příznaky jako hypotenze, tachykardie a dysfunkce orgánů. Porovnání kritérií SIRS, qSOFA, SOFA a Sepsis-3 a jejich použití při triáži na pohotovosti.
Odpověď hostitele na infekci a dysfunkce orgánůHemodynamické změny a selhání mikrocirkulaceSIRS, qSOFA, SOFA: složky a prahyDefinice Sepsis-3 a kritéria septického šokuOmezení klinických skóre na pohotovostiLekce 2Bezpečnost, režimy selhání a mitigace: falešné pozitiva/negativa, drift modelu, problémy s kvalitou dat, nepřátelské vstupyIdentifikuje bezpečnostní rizika jako falešné pozitiva, falešné negativa, drift modelu a špatnou kvalitu dat. Zkoumá nepřátelské nebo neočekávané vstupy, robustní monitorování, zábrany, lidský dohled a procesy pro bezpečné aktualizace modelů.
Falešné pozitiva, negativa a režimy škodKontrola kvality dat a detekce anomáliíDrift modelu, rekibrace a přeškolováníZpracování nepřátelských nebo neočekávaných vstupůLidský dohled, přepsání a governanceLekce 3Metriky hodnocení a strategie validace pro predikci sepse: AUROC, AUPRC, kalibrace, lead time, analýza rozhodovací křivkyDefinuje klíčové metriky výkonu pro predikci sepse včetně AUROC, AUPRC, kalibrace a lead time. Vysvětluje interní a externí validaci, temporální validaci a analýzu rozhodovací křivky pro hodnocení klinické užitečnosti.
AUROC, AUPRC a nerovnováha třídKalibrační křivky a stratifikace rizikLead time a výkon specifický pro horizontInterní, externí a temporální validaceAnalýza rozhodovací křivky a čistý přínosLekce 4Inženýrství příznaků a temporální modelování: předzpracování časových řad, posuvné okna, extrakce trendůVysvětluje, jak čistit a sladit data časových řad z pohotovosti pro modelování. Pokrývá resamplování, zpracování nepravidelných intervalů, posuvná okna, příznaky trendů a variability a kódování intervencí a klinického kontextu v čase.
Slaďování času, resamplování a interpolacePosuvná okna a predikční horizontyTrendy, variabilita a derivativní příznakyKódování intervencí a eskalace péčeZpracování nepravidelných a řídkých časových řadLekce 5Modely strojového učení pro predikci akutního rizika: logistická regrese, gradientově posílené stromy, RNN, temporální konvoluční sítě, transformátorové časové řadyPorovnává přístupy modelování pro predikci akutního rizika sepse od logistické regrese po gradientově posílené stromy a hluboké sekvenční modely. Zdůrazňuje silné stránky, omezení, interpretovatelnost a vhodnost pro časové omezení na pohotovosti.
Logistická regrese a volby regularizaceGradientově posílené stromy a důležitost příznakůRekurentní neuronové sítě pro sekvenceTemporální konvoluční sítě pro časové řadyTransformátory pro klinická data časových řadLekce 6Datové modality pro detekci sepse v reálném čase: vitální znaky, laboratoře, ošetřovatelské poznámky, medikace, vlnyPopisuje klíčové datové proudy v reálném čase na pohotovosti včetně vitálních znaků, laboratorních testů, medikací, ošetřovatelské dokumentace a fyziologických vln. Diskutuje frekvence odběrů, spolehlivost a jak každá modalita signalizuje vyvíjející se sepsi.
Vitální znaky a kontinuální monitorovací tokyLaboratorní panely, kultury a doby obratuPříkazy medikací, tekutiny a vasopresoryOšetřovatelské poznámky, text triáže a průtokové listyVlny z monitorů a ložnicových zařízeníLekce 7Integrace s pracovními postupy na pohotovosti a systémy EHR: událostní toky, FHIR, HL7, aplikace SMART on FHIR, CDS HooksPopisuje, jak se modely AI pro sepsi integrují do pracovních postupů na pohotovosti a EHR. Přehled událostních toků, HL7, FHIR zdrojů, aplikací SMART on FHIR a CDS Hooks s důrazem na použitelnost, spolehlivost a minimální narušení klinické praxe.
Událostně řízené architektury a datové tokyHL7 a FHIR zdroje pro signály sepseAplikace SMART on FHIR pro ložnicovou podporu rozhodováníCDS Hooks pro kontextově závislé doporučeníMapování pracovních postupů a testování použitelnostiLekce 8Design klinických alertů a lidské faktory: prahy, mitigace únavy alarmy, eskalující postupy, kdo dostává alertyPokryvá principy designu alertů pro kliniky na pohotovosti včetně výběru prahů, vrstvených alertů a směrování k vhodným rolím. Řeší únavu alarmy, načasování alertů, eskalace cesty a prezentaci vysvětlení a kontextu.
Výběr prahů a vrstev alertůÚnava alarmy a strategie potlačeníKdo dostává alerty a na kterých kanálechEskalující pracovní postupy a podpora předáváníVysvětlení alertů a poskytování kontextuLekce 9Regulační a důkazové požadavky pro diagnostickou AI: úvahy FDA/CMS, design studií klinické validace, prospektivní piloty, standardy reportingu (TRIPOD, CONSORT-AI)Nabízí přehled regulačních a důkazových očekávání pro diagnostickou AI v sepse včetně cest FDA, úvah CMS a klinické validace. Přehled prospektivních pilotů a standardů reportingu jako TRIPOD a CONSORT-AI.
Cesty FDA pro diagnostické podpůrné nástrojeCMS, refundace a programy kvalityDesign robustních studií klinické validaceProspektivní piloty a fázové zaváděníPokyny pro reporting TRIPOD a CONSORT-AILekce 10Frekvence nasazení a úvahy o latenci: near-real-time streaming vs batch scoring, zpracování chybějících a zpožděných datDiskutuje architektury nasazení pro modely sepse, porovnává near-real-time streaming s batch scoringem. Řeší rozpočty latence, zpracování chybějících nebo zpožděných dat, backfilling a monitorování zdraví datového potrubí na pohotovosti.
Near-real-time streaming vs batch scoringRozpočty latence a definice SLAImputace pro chybějící a zpožděné vstupyBackfilling, replay a pozdně přicházející dataMonitorování potrubí a systémová odolnost