Pelajaran 1Dasar-dasar patofisiologi sepsis dan kriteria klinis (SIRS, qSOFA, SOFA, Sepsis-3)Meninjau biologi sepsis dan respons inang, kemudian menghubungkan mekanisme ini dengan tanda-tanda di samping tempat tidur seperti hipotensi, takikardia, dan disfungsi organ. Membandingkan kriteria SIRS, qSOFA, SOFA, dan Sepsis-3 serta penggunaannya dalam triase UGD.
Respons inang terhadap infeksi dan disfungsi organPerubahan hemodinamik dan kegagalan mikrosirkulasiSIRS, qSOFA, SOFA: komponen dan ambang batasDefinisi Sepsis-3 dan kriteria syok septikKeterbatasan skor klinis di UGDPelajaran 2Keamanan, mode kegagalan, dan mitigasi: positif palsu/negatif palsu, drift model, masalah kualitas data, input adversarialMengidentifikasi risiko keamanan seperti positif palsu, negatif palsu, drift model, dan kualitas data buruk. Mengeksplorasi input adversarial atau tak terduga, pemantauan yang kuat, pagar pengaman, pengawasan manusia, dan proses pembaruan model yang aman.
Positif palsu, negatif palsu, dan mode bahayaPemeriksaan kualitas data dan deteksi anomaliDrift model, kalibrasi ulang, dan pelatihan ulangPenanganan input adversarial atau tak terdugaPengawasan manusia, penimpaan, dan tata kelolaPelajaran 3Metrik evaluasi dan strategi validasi untuk prediksi sepsis: AUROC, AUPRC, kalibrasi, waktu tunggu, analisis kurva keputusanMendefinisikan metrik kinerja utama untuk prediksi sepsis, termasuk AUROC, AUPRC, kalibrasi, dan waktu tunggu. Menjelaskan validasi internal dan eksternal, validasi temporal, dan analisis kurva keputusan untuk penilaian kegunaan klinis.
AUROC, AUPRC, dan ketidakseimbangan kelasKurva kalibrasi dan stratifikasi risikoWaktu tunggu dan kinerja spesifik horizonValidasi internal, eksternal, dan temporalAnalisis kurva keputusan dan manfaat bersihPelajaran 4Rekayasa fitur dan pemodelan temporal: pra-pemrosesan deret waktu, jendela geser, ekstraksi trenMenjelaskan cara membersihkan dan menyelaraskan data deret waktu UGD untuk pemodelan. Mencakup resampling, penanganan interval tidak teratur, jendela geser, fitur tren dan variabilitas, serta pengkodean intervensi dan konteks klinis sepanjang waktu.
Penyesuaian waktu, resampling, dan interpolasiJendela geser dan horizon prediksiFitur tren, variabilitas, dan turunanPengkodean intervensi dan eskalasi perawatanPenanganan deret waktu tidak teratur dan jarangPelajaran 5Model pembelajaran mesin untuk prediksi risiko akut: regresi logistik, pohon boosted gradien, RNN, jaringan konvolusi temporal, deret waktu berbasis transformerMembandingkan pendekatan pemodelan untuk prediksi risiko sepsis akut, dari regresi logistik hingga pohon boosted gradien dan model urutan dalam. Menyoroti kekuatan, keterbatasan, interpretabilitas, dan kesesuaian untuk batasan waktu UGD.
Regresi logistik dan pilihan regulasiPohon boosted gradien dan pentingnya fiturJaringan saraf berulang untuk urutanJaringan konvolusi temporal untuk deret waktuTransformer untuk data deret waktu klinisPelajaran 6Modalitas data untuk deteksi sepsis waktu nyata: tanda vital, lab, catatan perawat, obat, gelombangMendeskripsikan aliran data waktu nyata utama di UGD, termasuk tanda vital, tes laboratorium, obat-obatan, dokumentasi perawat, dan gelombang fisiologis. Membahas tingkat sampling, keandalan, dan bagaimana setiap modalitas menandakan sepsis yang berkembang.
Tanda vital dan umpan pemantauan kontinuPanel laboratorium, kultur, dan waktu turnaroundPesanan obat, cairan, dan vasopresorCatatan perawat, teks triase, dan lembar alurGelombang dari monitor dan perangkat samping tempat tidurPelajaran 7Integrasi dengan alur kerja UGD dan sistem EHR: aliran peristiwa, FHIR, HL7, aplikasi SMART on FHIR, CDS HooksMendeskripsikan bagaimana model sepsis AI diintegrasikan ke dalam alur kerja UGD dan EHR. Meninjau aliran peristiwa, HL7, sumber daya FHIR, aplikasi SMART on FHIR, dan CDS Hooks, menekankan kegunaan, keandalan, dan gangguan minimal pada praktik klinis.
Arsitektur berbasis peristiwa dan aliran dataSumber daya HL7 dan FHIR untuk sinyal sepsisAplikasi SMART on FHIR untuk dukungan keputusan samping tempat tidurCDS Hooks untuk rekomendasi sadar konteksPemetaan alur kerja dan pengujian kegunaanPelajaran 8Desain peringatan klinis dan faktor manusia: ambang batas, mitigasi kelelahan alarm, alur kerja eskalasi, siapa yang menerima peringatanMencakup prinsip desain peringatan untuk klinisi UGD, termasuk pemilihan ambang batas, peringatan bertingkat, dan pengalihan ke peran yang tepat. Membahas kelelahan alarm, waktu peringatan, jalur eskalasi, dan penyajian penjelasan serta konteks.
Memilih ambang batas dan tingkat peringatanKelelahan alarm dan strategi penekananSiapa yang menerima peringatan dan di saluran manaAlur kerja eskalasi dan dukungan penyerahanMenjelaskan peringatan dan memberikan konteksPelajaran 9Persyaratan regulasi dan bukti untuk AI diagnostik: pertimbangan FDA/CMS, desain studi validasi klinis, pilot prospektif, standar pelaporan (TRIPOD, CONSORT-AI)Menguraikan harapan regulasi dan bukti untuk AI diagnostik dalam sepsis, termasuk jalur FDA, pertimbangan CMS, dan validasi klinis. Meninjau pilot prospektif dan standar pelaporan seperti TRIPOD dan CONSORT-AI.
Jalur FDA untuk alat dukungan diagnostikCMS, penggantian biaya, dan program kualitasMerancang studi validasi klinis yang kuatPilot prospektif dan peluncuran bertahapPanduan pelaporan TRIPOD dan CONSORT-AIPelajaran 10Pertimbangan frekuensi penerapan dan latensi: streaming mendekati waktu nyata vs penilaian batch, penanganan data hilang dan tertundaMembahas arsitektur penerapan untuk model sepsis, membandingkan streaming mendekati waktu nyata dengan penilaian batch. Membahas anggaran latensi, penanganan data hilang atau tertunda, pengisian ulang, dan pemantauan kesehatan pipa data di UGD.
Streaming mendekati waktu nyata vs penilaian batchAnggaran latensi dan definisi SLAImputasi untuk input hilang dan tertundaPengisian ulang, pemutaran ulang, dan data yang datang terlambatPemantauan pipa dan ketahanan sistem
