Lekcja 1Podstawy patofizjologii sepsy i kryteriów klinicznych (SIRS, qSOFA, SOFA, Sepsis-3)Przegląd biologii sepsy i odpowiedzi gospodarza, a następnie powiązanie tych mechanizmów z objawami przy łóżku takimi jak hipotensja, tachykardia i dysfunkcja narządów. Porównanie kryteriów SIRS, qSOFA, SOFA i Sepsis-3 oraz ich zastosowanie w triażu na SOR.
Odpowiedź gospodarza na infekcję i dysfunkcja narządówZmiany hemodynamiczne i niewydolność mikrokrążeniaSIRS, qSOFA, SOFA: składowe i progiDefinicja Sepsis-3 i kryteria wstrząsu septycznegoOgraniczenia ocen klinicznych na SORLekcja 2Bezpieczeństwo, tryby awarii i łagodzenie: fałszywe pozytywy/negatywy, dryf modelu, problemy z jakością danych, wejścia adwersarialneIdentyfikuje ryzyka bezpieczeństwa takie jak fałszywe pozytywy, fałszywe negatywy, dryf modelu i słaba jakość danych. Bada wejścia adwersarialne lub nieoczekiwane, solidne monitorowanie, bariery ochronne, nadzór ludzki oraz procesy bezpiecznych aktualizacji modeli.
Fałszywe pozytywy, negatywy i tryby szkódKontrola jakości danych i wykrywanie anomaliiDryf modelu, rekaliibracja i ponowne uczenieObsługa wejść adwersarialnych lub nieoczekiwanychNadzór ludzki, nadpisywanie i zarządzanieLekcja 3Metryki ewaluacji i strategie walidacji dla predykcji sepsy: AUROC, AUPRC, kalibracja, lead time, analiza krzywych decyzyjnychDefiniuje kluczowe metryki wydajności dla predykcji sepsy, w tym AUROC, AUPRC, kalibrację i lead time. Wyjaśnia walidację wewnętrzną i zewnętrzną, walidację temporalną oraz analizę krzywych decyzyjnych do oceny użyteczności klinicznej.
AUROC, AUPRC i niezbalansowanie klasKrzywe kalibracji i stratyfikacja ryzykaLead time i wydajność specyficzna dla horyzontuWalidacja wewnętrzna, zewnętrzna i temporalnaAnaliza krzywych decyzyjnych i korzyść nettoLekcja 4Inżynieria cech i modelowanie temporalne: preprocesing szeregów czasowych, okna ślizgowe, ekstrakcja trendówWyjaśnia, jak czyścić i wyrównywać dane szeregów czasowych z SOR do modelowania. Obejmuje resamplowanie, obsługę nieregularnych interwałów, okna ślizgowe, cechy trendu i zmienności oraz kodowanie interwencji i kontekstu klinicznego w czasie.
Wyrównanie czasu, resamplowanie i interpolacjaOkna ślizgowe i horyzonty predykcjiCechy trendu, zmienności i pochodnychKodowanie interwencji i eskalacji opiekiObsługa nieregularnych i rzadkich szeregów czasowychLekcja 5Modele uczenia maszynowego do predykcji ostrego ryzyka: regresja logistyczna, gradient boosted trees, RNN, temporal convolutional networks, transformer-based time-seriesPorównuje podejścia modelowania do predykcji ostrego ryzyka sepsy, od regresji logistycznej po gradient boosted trees i głębokie modele sekwencyjne. Podkreśla mocne strony, ograniczenia, interpretowalność i przydatność dla ograniczeń czasowych na SOR.
Regresja logistyczna i wybory regularyzacjiGradient boosted trees i ważność cechSieci neuronowe rekurencyjne dla sekwencjiTemporal convolutional networks dla szeregów czasowychTransformery dla danych klinicznych szeregów czasowychLekcja 6Modalności danych do wykrywania sepsy w czasie rzeczywistym: parametry życiowe, laboratoria, notatki pielęgniarskie, leki, faleOpisuje kluczowe strumienie danych w czasie rzeczywistym na SOR, w tym parametry życiowe, testy laboratoryjne, leki, dokumentację pielęgniarską i fale fizjologiczne. Omawia częstotliwości próbkowania, niezawodność i jak każda modalność sygnalizuje ewoluującą sepsę.
Parametry życiowe i ciągłe monitorowaniePanele laboratoryjne, posiewy i czasy realizacjiZamówienia leków, płyny i wazopresoryNotatki pielęgniarskie, triaż tekstowy i kartyFale z monitorów i urządzeń przy łóżkuLekcja 7Integracja z przepływami pracy SOR i systemami EHR: strumienie zdarzeń, FHIR, HL7, aplikacje SMART on FHIR, CDS HooksOpisuje, jak modele AI sepsy integrują się z przepływami pracy SOR i EHR. Przegląda strumienie zdarzeń, HL7, zasoby FHIR, aplikacje SMART on FHIR i CDS Hooks, podkreślając użyteczność, niezawodność i minimalne zakłócenia praktyki klinicznej.
Architektury event-driven i strumienie danychZasoby HL7 i FHIR dla sygnałów sepsyAplikacje SMART on FHIR dla wsparcia decyzji przy łóżkuCDS Hooks dla rekomendacji świadomych kontekstuMapowanie przepływu pracy i testy użytecznościLekcja 8Projektowanie alertów klinicznych i czynniki ludzkie: progi, łagodzenie zmęczenia alarmami, eskalujące przepływy pracy, kto otrzymuje alertyOmawia zasady projektowania alertów dla klinicystów SOR, w tym wybór progów, alerty wielopoziomowe i routing do odpowiednich ról. Zajmuje się zmęczeniem alarmami, czasem alertów, ścieżkami eskalacji i prezentacją wyjaśnień i kontekstu.
Wybór progów i poziomów alertówZmęczenie alarmami i strategie tłumieniaKto otrzymuje alerty i na jakich kanałachPrzepływy eskalacji i wsparcie przekazywaniaWyjaśnianie alertów i dostarczanie kontekstuLekcja 9Wymagania regulacyjne i dowodowe dla diagnostycznego AI: rozważania FDA/CMS, projekt badań walidacji klinicznej, prospektywne pilotaże, standardy raportowania (TRIPOD, CONSORT-AI)Zarysowuje oczekiwania regulacyjne i dowodowe dla diagnostycznego AI w sepsie, w tym ścieżki FDA, rozważania CMS i walidację kliniczną. Przegląda prospektywne pilotaże i standardy raportowania takie jak TRIPOD i CONSORT-AI.
Ścieżki FDA dla narzędzi wsparcia diagnostycznegoCMS, zwrot kosztów i programy jakościProjektowanie solidnych badań walidacji klinicznejProspektywne pilotaże i wdrażanie fazoweWytyczne raportowania TRIPOD i CONSORT-AILekcja 10Częstotliwość wdrożenia i rozważania opóźnień: near-real-time streaming vs batch scoring, obsługa brakujących i opóźnionych danychOmawia architektury wdrożeniowe dla modeli sepsy, porównując near-real-time streaming z batch scoring. Zajmuje się budżetami opóźnień, obsługą brakujących lub opóźnionych danych, backfillingiem i monitorowaniem zdrowia rurociągu danych na SOR.
Near-real-time streaming vs batch scoringBudżety opóźnień i definicje SLAImputacja dla brakujących i opóźnionych wejśćBackfilling, replay i późno przychodzące daneMonitorowanie rurociągów i odporność systemu
