Lecția 1Bazele fiziopatologiei sepsei și criteriilor clinice (SIRS, qSOFA, SOFA, Sepsis-3)Revizuirea biologiei sepsei și răspunsului gazdei, legând aceste mecanisme de semnele de la patul pacientului precum hipotensiunea, tahicardia și disfuncția organică. Compară criteriile SIRS, qSOFA, SOFA și Sepsis-3 și utilizarea lor în triajul din UPU.
Răspunsul gazdei la infecție și disfuncție organicăModificări hemodinamice și insuficiență microcirculatorieSIRS, qSOFA, SOFA: componente și praguriDefiniția Sepsis-3 și criteriile șocului septicLimitările scorurilor clinice în UPULecția 2Siguranță, moduri de eșec și atenuare: pozitive/negative false, derivă model, probleme de calitate a datelor, intrări adversareIdentifică riscurile de siguranță precum pozitive false, negative false, derivă model și calitate slabă a datelor. Explorează intrări adversare sau neașteptate, monitorizare robustă, bariere de protecție, supraveghere umană și procese pentru actualizări sigure ale modelelor.
Pozitive false, negative false și moduri de vătămareVerificări de calitate a datelor și detectare anomaliiDerivă model, recalibrare și reantrenareGestionarea intrărilor adversare sau neașteptateSupraveghere umană, anulări și guvernanțăLecția 3Metrici de evaluare și strategii de validare pentru predicția sepsei: AUROC, AUPRC, calibrare, timp de anticipare, analiză curba decizionalăDefinește metricii cheie de performanță pentru predicția sepsei, inclusiv AUROC, AUPRC, calibrare și timp de anticipare. Explică validarea internă și externă, validarea temporală și analiza curbei decizionale pentru evaluarea utilității clinice.
AUROC, AUPRC și dezechilibru claseCurbe de calibrare și stratificare riscTimp de anticipare și performanță specifică orizontuluiValidare internă, externă și temporalăAnaliza curbei decizionale și beneficiu netLecția 4Ingineria caracteristicilor și modelare temporală: preprocesare serii temporale, ferestre glisante, extracție tendințeExplică modul de curățare și aliniere a datelor temporale din UPU pentru modelare. Acoperă resamplarea, gestionarea intervalelor neregulate, ferestre glisante, caracteristici de tendință și variabilitate, precum și codificarea intervențiilor și contextului clinic în timp.
Aliniere temporală, resamplare și interpolareFerestre glisante și orizonturi de predicțieCaracteristici de tendință, variabilitate și derivateCodificarea intervențiilor și escaladării îngrijiriiGestionarea seriilor temporale neregulate și rareLecția 5Modele de machine learning pentru predicția riscului acut: regresie logistică, arbori boostrați cu gradient, RNN, rețele convoluționale temporale, serii temporale bazate pe transformereCompară abordările de modelare pentru predicția riscului acut de sepsis, de la regresia logistică la arbori boostrați cu gradient și modele profunde de secvențe. Evidențiază punctele forte, limitările, interpretabilitatea și potrivirea pentru constrângerile temporale din UPU.
Regresie logistică și alegeri de regularizareArbori boostrați cu gradient și importanță caracteristiciRețele neuronale recurente pentru secvențeRețele convoluționale temporale pentru serii temporaleTransformere pentru date clinice temporaleLecția 6Modalități de date pentru detectarea în timp real a sepsei: semne vitale, analize, note de nursing, medicamente, undeDescriere fluxuri cheie de date în timp real în UPU, inclusiv semne vitale, teste de laborator, medicamente, documentație nursing și unde fiziologice. Discută ratele de eșantionare, fiabilitatea și modul în care fiecare modalitate semnalează evoluția sepsei.
Semne vitale și fluxuri de monitorizare continuăPanouri de laborator, culturi și timp de răspunsOrdine medicamente, fluide și vasopresoriNote nursing, text triaj și foi de fluxUnde de la monitoare și dispozitive de patLecția 7Integrare cu fluxuri de lucru UPU și sisteme EHR: fluxuri de evenimente, FHIR, HL7, aplicații SMART on FHIR, CDS HooksDescriere modul în care modelele AI de sepsis se integrează în fluxurile de lucru UPU și EHR. Revizuiește fluxurile de evenimente, HL7, resurse FHIR, aplicații SMART on FHIR și CDS Hooks, subliniind utilizabilitatea, fiabilitatea și perturbația minimă a practicii clinice.
Arhitecturi bazate pe evenimente și fluxuri de dateResurse HL7 și FHIR pentru semnale de sepsisAplicații SMART on FHIR pentru suport decizional la patCDS Hooks pentru recomandări conștiente de contextCartografiere fluxuri de lucru și testare utilizabilitateLecția 8Design alerte clinice și factori umani: praguri, atenuare oboseală alarme, fluxuri escaladare, cine primește alerteAcoperă principiile designului alertelor pentru clinicienii din UPU, inclusiv selecția pragurilor, alerte în trepte și rutare către roluri adecvate. Abordează oboseala de alarme, sincronizarea alertelor, căi de escaladare și prezentarea explicațiilor și contextului.
Alegerea pragurilor și treptelor de alerteOboseală alarme și strategii de suprimareCine primește alerte și pe ce canaleFluxuri de escaladare și suport predareExplicarea alertelor și furnizarea contextuluiLecția 9Cerințe regulatorii și de dovezi pentru AI diagnostic: considerații FDA/CMS, design studii validare clinică, piloți prospecțivi, standarde raportare (TRIPOD, CONSORT-AI)Prezintă așteptările regulatorii și de dovezi pentru AI diagnostic în sepsis, inclusiv căi FDA, considerații CMS și validare clinică. Revizuiește piloții prospecțivi și standarde de raportare precum TRIPOD și CONSORT-AI.
Căi FDA pentru instrumente de suport diagnosticCMS, rambursare și programe de calitateDesign studii robuste de validare clinicăPiloți prospecțivi și implementări fazateGhiduri de raportare TRIPOD și CONSORT-AILecția 10Considerații frecvență implementare și latență: streaming aproape în timp real vs scorare batch, gestionare date lipsă și întârziateDiscută arhitecturile de implementare pentru modelele de sepsis, comparând streaming-ul aproape în timp real cu scorarea batch. Abordează bugete de latență, gestionarea datelor lipsă sau întârziate, completarea retrospectivă și monitorizarea sănătății pipeline-ului de date în UPU.
Streaming aproape în timp real vs scorare batchBugete de latență și definiții SLAImputare pentru intrări lipsă și întârziateCompletare retrospectivă, reluare și date întârziateMonitorizare pipeline-uri și reziliență sistem
