שיעור 1יסודות פתופיזיולוגיה של ספסיס וקריטריונים קליניים (SIRS, qSOFA, SOFA, Sepsis-3)סקירה של ביולוגיית ספסיס ותגובת מארח, ואז קישור בין מנגנונים אלה לסימנים לצד המיטה כמו לחץ דם נמוך, דופק מהיר ותפקוד איברים לקוי. השוואה בין קריטריונים SIRS, qSOFA, SOFA ו-Sepsis-3 ושימושם במיון מחלקת חירום.
Host response to infection and organ dysfunctionHemodynamic changes and microcirculatory failureSIRS, qSOFA, SOFA: components and thresholdsSepsis-3 definition and septic shock criteriaLimitations of clinical scores in the EDשיעור 2בטיחות, מצבי כשל והפחתה: תוצאות חיוביות/שליליות שווא, סחיפת דגם, בעיות איכות נתונים, קלטים עויניםמזהה סיכונים בטיחותיים כמו תוצאות חיוביות שווא, שליליות שווא, סחיפת דגם ואיכות נתונים נמוכה. בוחן קלטים עוינים או בלתי צפויים, ניטור חזק, מחסומי בטיחות, פיקוח אנושי ותהליכים לעדכוני דגם בטוחים.
False positives, false negatives, and harm modesData quality checks and anomaly detectionModel drift, recalibration, and retrainingAdversarial or unexpected input handlingHuman oversight, overrides, and governanceשיעור 3מדדי הערכה ואסטרטגיות ולידציה לחיזוי ספסיס: AUROC, AUPRC, כיול, זמן תגובה מוקדם, ניתוח עקומת החלטהמגדיר מדדי ביצועים מרכזיים לחיזוי ספסיס, כולל AUROC, AUPRC, כיול וזמן תגובה מוקדם. מסביר ולידציה פנימית וחיצונית, ולידציה זמנית וניתוח עקומת החלטה להערכת תועלת קלינית.
AUROC, AUPRC, and class imbalanceCalibration curves and risk stratificationLead time and horizon-specific performanceInternal, external, and temporal validationDecision curve analysis and net benefitשיעור 4הנדסת מאפיינים ומודלים זמניים: עיבוד מקדים של סדרות זמן, חלונות נעים, חילוץ מגמותמסביר כיצד לנקות וליישר נתוני סדרות זמן ממחלקת חירום למודלים. מכסה דגימה מחדש, טיפול במרווחים לא סדירים, חלונות נעים, מאפייני מגמה ושונות, וקידוד התערבויות והקשר קליני לאורך זמן.
Time alignment, resampling, and interpolationSliding windows and prediction horizonsTrend, variability, and derivative featuresEncoding interventions and care escalationHandling irregular and sparse time-seriesשיעור 5מודלי למידת מכונה לחיזוי סיכון חריף: רגרסיה לוגיסטית, עצי boosting גרדיאנט, RNNs, רשתות קונבולוציה זמניות, סדרות זמן מבוססות טרנספורמרמשווה גישות מודלים לחיזוי סיכון ספסיס חריף, מרגרסיה לוגיסטית ועד עצי boosting גרדיאנט ומודלי רצף עמוקים. מדגיש חוזקות, מגבלות, פרשנות והתאמה למגבלות זמן במחלקת חירום.
Logistic regression and regularization choicesGradient boosted trees and feature importanceRecurrent neural networks for sequencesTemporal convolutional networks for time-seriesTransformers for clinical time-series dataשיעור 6מודליות נתונים לזיהוי ספסיס בזמן אמת: סימני חיים, מעבדה, הערות סיעודיות, תרופות, גליםמתאר זרמי נתונים בזמן אמת מרכזיים במחלקת חירום, כולל סימני חיים, בדיקות מעבדה, תרופות, תיעוד סיעודי וגלי פיזיולוגיים. דן בשיעורי דגימה, אמינות וכיצד כל מודליות מסמנת התפתחות ספסיס.
Vital signs and continuous monitoring feedsLaboratory panels, cultures, and turnaround timesMedication orders, fluids, and vasopressorsNursing notes, triage text, and flowsheetsWaveforms from monitors and bedside devicesשיעור 7שילוב בזרימות עבודה של מחלקת חירום ומערכות EHR: זרמי אירועים, FHIR, HL7, אפליקציות SMART on FHIR, CDS Hooksמתאר כיצד דגמי ספסיס AI משתלבים בזרימות עבודה של מחלקת חירום ומערכות EHR. סוקר זרמי אירועים, HL7, משאבי FHIR, אפליקציות SMART on FHIR ו-CDS Hooks, תוך דגש על שימושיות, אמינות והפרעה מינימלית לתרגול קליני.
Event-driven architectures and data streamsHL7 and FHIR resources for sepsis signalsSMART on FHIR apps for bedside decision supportCDS Hooks for context-aware recommendationsWorkflow mapping and usability testingשיעור 8עיצוב התראות קליניות וגורמי אנוש: ספים, הפחתת עייפות התראות, זרימות הסלמה, מי מקבל התראותמכסה עקרונות עיצוב התראות לקלינאים במחלקת חירום, כולל בחירת ספים, התראות מדורגות וניטוב לתפקידים מתאימים. מטפל בעייפות התראות, תזמון התראות, מסלולי הסלמה והצגת הסברים והקשר.
Choosing thresholds and alert tiersAlarm fatigue and suppression strategiesWho receives alerts and on which channelsEscalation workflows and handoff supportExplaining alerts and providing contextשיעור 9דרישות רגולטוריות וראיות ל-AI אבחנתי: שיקולי FDA/CMS, עיצוב מחקרי ולידציה קלינית, פיילוטים פרוספקטיביים, תקני דיווח (TRIPOD, CONSORT-AI)מפרט ציפיות רגולטוריות וראיות ל-AI אבחנתי בספסיס, כולל מסלולי FDA, שיקולים של CMS ולידציה קלינית. סוקר פיילוטים פרוספקטיביים ותקנים דיווח כמו TRIPOD ו-CONSORT-AI.
FDA pathways for diagnostic support toolsCMS, reimbursement, and quality programsDesigning robust clinical validation studiesProspective pilots and phased rolloutsTRIPOD and CONSORT-AI reporting guidanceשיעור 10שיקולי תדירות פריסה והשהיה: הזרמה בזמן אמת קרוב לעומת ציון אצווה, טיפול בנתונים חסרים ומאוחריםדן בארכיטקטורות פריסה לדגמי ספסיס, משווה הזרמה בזמן אמת קרוב לעומת ציון אצווה. מטפל בתקציבי השהיה, נתונים חסרים או מאוחרים, מילוי חוזר וניטור בריאות צינור נתונים במחלקת חירום.
Near-real-time streaming vs batch scoringLatency budgets and SLA definitionsImputation for missing and delayed inputsBackfilling, replay, and late-arriving dataMonitoring pipelines and system resilience
