Pelajaran 1Asas patofisiologi sepsis dan kriteria klinikal (SIRS, qSOFA, SOFA, Sepsis-3)Meninjau biologi sepsis dan tindak balas hos, kemudian menghubungkan mekanisme ini dengan tanda-tanda tepi katil seperti hipotensi, takikardia, dan disfungsi organ. Membandingkan kriteria SIRS, qSOFA, SOFA, dan Sepsis-3 serta penggunaannya dalam triase Jabatan Kecemasan.
Tindak balas hos terhadap jangkitan dan disfungsi organPerubahan hemodinamik dan kegagalan mikrosirkulasiSIRS, qSOFA, SOFA: komponen dan ambangDefinisi Sepsis-3 dan kriteria syok septikHad skor klinikal di Jabatan KecemasanPelajaran 2Keselamatan, mod kegagalan, dan pencegahan: positif palsu/negatif palsu, hanyutan model, isu kualiti data, input adversarialMengenal pasti risiko keselamatan seperti positif palsu, negatif palsu, hanyutan model, dan kualiti data yang lemah. Meneroka input adversarial atau tidak dijangka, pemantauan teguh, pengawal, pengawasan manusia, dan proses untuk kemas kini model yang selamat.
Positif palsu, negatif palsu, dan mod kerosakanPemeriksaan kualiti data dan pengesanan anomaliHanyutan model, penyatuan semula, dan latihan semulaPengendalian input adversarial atau tidak dijangkaPengawasan manusia, pengulangan, dan tadbir urusPelajaran 3Metrik penilaian dan strategi pengesahan untuk ramalan sepsis: AUROC, AUPRC, kalibrasi, masa sasaran, analisis lengkung keputusanMendefinisikan metrik prestasi utama untuk ramalan sepsis, termasuk AUROC, AUPRC, kalibrasi, dan masa sasaran. Menerangkan pengesahan dalaman dan luaran, pengesahan temporal, dan analisis lengkung keputusan untuk penilaian kegunaan klinikal.
AUROC, AUPRC, dan ketidakseimbangan kelasLengkung kalibrasi dan pempompaan risikoMasa sasaran dan prestasi khusus ufukPengesahan dalaman, luaran, dan temporalAnalisis lengkung keputusan dan faedah bersihPelajaran 4Kejujaan ciri dan pemodelan temporal: pra-pemprosesan siri masa, tingkap gelongsor, pengekstrakan trendMenerangkan cara membersihkan dan menyelaraskan data siri masa Jabatan Kecemasan untuk pemodelan. Meliputi pensampelan semula, mengendalikan selang tidak sekata, tingkap gelongsor, ciri trend dan kebolehbolehan, serta pengkodan campur tangan dan konteks klinikal dari masa ke masa.
Penjajaran masa, pensampelan semula, dan interpolasiTingkap gelongsor dan ufuk ramalanCiri trend, kebolehbolehan, dan derivatifPengkodan campur tangan dan peningkatan penjagaanMengendalikan siri masa tidak sekata dan jarangPelajaran 5Model pembelajaran mesin untuk ramalan risiko akut: regresi logistik, pokok dorongan gradien, RNN, rangkaian konvolusi temporal, siri masa berasaskan pemasaMembanding pendekatan pemodelan untuk ramalan risiko sepsis akut, dari regresi logistik ke pokok dorongan gradien dan model urutan dalam. Menyerlahkan kekuatan, had, kebolehbacaan, dan kesesuaian untuk kekangan masa Jabatan Kecemasan.
Regresi logistik dan pilihan pengaturcaraanPokok dorongan gradien dan kepentingan ciriRangkaian neural berulang untuk urutanRangkaian konvolusi temporal untuk siri masaPemasa untuk data siri masa klinikalPelajaran 6Modaliti data untuk pengesanan sepsis masa nyata: vital, makmal, nota jururawat, ubat, gelombangMenerangkan aliran data masa nyata utama di Jabatan Kecemasan, termasuk tanda vital, ujian makmal, ubat-ubatan, dokumentasi jururawat, dan gelombang fisiologi. Membincangkan kadar pensampelan, kebolehpercayaan, dan bagaimana setiap modaliti menandakan sepsis yang berkembang.
Tanda vital dan suapan pemantauan berterusanPanel makmal, kultur, dan masa pusinganPesanan ubat, cecair, dan vasopresorNota jururawat, teks triase, dan lembaran alirGelombang dari pemantau dan peranti tepi katilPelajaran 7Integrasi dengan aliran kerja Jabatan Kecemasan dan sistem EHR: aliran peristiwa, FHIR, HL7, aplikasi SMART on FHIR, Pengait CDSMenerangkan bagaimana model sepsis AI diintegrasikan ke dalam aliran kerja Jabatan Kecemasan dan EHR. Meninjau aliran peristiwa, HL7, sumber FHIR, aplikasi SMART on FHIR, dan Pengait CDS, menekankan kegunaan, kebolehpercayaan, dan gangguan minimum kepada amalan klinikal.
Arsitektur dipacu peristiwa dan aliran dataSumber HL7 dan FHIR untuk isyarat sepsisAplikasi SMART on FHIR untuk sokongan keputusan tepi katilPengait CDS untuk cadangan berasaskan konteksPemetaan aliran kerja dan ujian kegunaanPelajaran 8Reka bentuk amaran klinikal dan faktor manusia: ambang, pencegahan keletihan amaran, aliran kerja peningkatan, siapa menerima amaranMeliputi prinsip reka bentuk amaran untuk klinisyen Jabatan Kecemasan, termasuk pemilihan ambang, amaran berperingkat, dan penghalaan kepada peranan yang sesuai. Menangani keletihan amaran, masa amaran, laluan peningkatan, dan membentangkan penjelasan dan konteks.
Memilih ambang dan peringkat amaranKeletihan amaran dan strategi penindasanSiapa menerima amaran dan saluran manaAliran kerja peningkatan dan sokongan serah terimaMenerangkan amaran dan menyediakan konteksPelajaran 9Keperluan peraturan dan bukti untuk AI diagnostik: pertimbangan FDA/CMS, reka bentuk kajian pengesahan klinikal, jurang prospektif, standard pelaporan (TRIPOD, CONSORT-AI)Menggariskan jangkaan peraturan dan bukti untuk AI diagnostik dalam sepsis, termasuk laluan FDA, pertimbangan CMS, dan pengesahan klinikal. Meninjau jurang prospektif dan standard pelaporan seperti TRIPOD dan CONSORT-AI.
Laluan FDA untuk alat sokongan diagnostikCMS, bayaran balik, dan program kualitiMereka bentuk kajian pengesahan klinikal teguhJurang prospektif dan pelancaran berfasaPanduan pelaporan TRIPOD dan CONSORT-AIPelajaran 10Pertimbangan kekerapan pelaksanaan dan latensi: penstriman hampir masa nyata vs penilaian batch, mengendalikan data hilang dan tertangguhMembincangkan arsitektur pelaksanaan untuk model sepsis, membandingkan penstriman hampir masa nyata dengan penilaian batch. Menangani bajet latensi, mengendalikan data hilang atau tertangguh, pengisian semula, dan pemantauan kesihatan saluran data di Jabatan Kecemasan.
Penstriman hampir masa nyata vs penilaian batchBajet latensi dan definisi SLAImputasi untuk input hilang dan tertangguhPengisian semula, semula main, dan data tiba lewatPemantauan saluran dan ketahanan sistem
