Lektion 1Grunder i sepsispatofysiologi och kliniska kriterier (SIRS, qSOFA, SOFA, Sepsis-3)Granskar sepsibiologi och värdrespons, kopplar dessa mekanismer till sängsides tecken som hypotoni, takykardi och organdysfunktion. Jämför SIRS, qSOFA, SOFA och Sepsis-3-kriterier samt deras användning i triagering på akutmottagning.
Värdrespons på infektion och organdysfunktionHemodynamiska förändringar och mikrocirkulatorisk sviktSIRS, qSOFA, SOFA: komponenter och trösklarSepsis-3-definition och kriterier för septisk chockBegränsningar hos kliniska poängsystem på akutmottagningLektion 2Säkerhet, felmodi och åtgärder: falska positiva/negativa, modellskift, datakvalitetsproblem, adversariella inmatningarIdentifierar säkerhetsrisker som falska positiva, falska negativa, modellskift och dålig datakvalitet. Utforskar adversariella eller oväntade inmatningar, robust övervakning, skyddsräcken, mänsklig översyn och processer för säkra modelluppdateringar.
Falska positiva, falska negativa och skademodiDatakvalitetskontroller och anomalidetektionModellskift, omkalibrering och omträningHantering av adversariella eller oväntade inmatningarMänsklig översyn, åsidosättanden och styrningLektion 3Utvärderingsmått och valideringsstrategier för sepsisprognos: AUROC, AUPRC, kalibrering, ledtid, besluts曲分析Definierar nyckelmått för sepsisprognos, inklusive AUROC, AUPRC, kalibrering och ledtid. Förklarar intern och extern validering, temporär validering och besluts曲analys för bedömning av klinisk nytta.
AUROC, AUPRC och klassobalansKalibreringskurvor och riskstratifieringLedtid och prestanda för specifika horisonterIntern, extern och temporär valideringBesluts曲analys och nettnyttaLektion 4Funktionsdesign och temporär modellering: tidsserie-förbehandling, glidande fönster, trendextraktionFörklarar hur man rengör och alignar tidsserie-data från akutmottagning för modellering. Täcker resampling, hantering av oregelbundna intervall, glidande fönster, trend- och variabilitetsfunktioner samt kodning av interventioner och klinisk kontext över tid.
Tidalignering, resampling och interpolationGlidande fönster och prognoshorisonterTrend, variabilitet och derivatafunktionerKodning av interventioner och vårdeskaleringHantering av oregelbundna och glesa tidsserierLektion 5Maskininlärningsmodeller för akut riskprognos: logistisk regression, gradientboostade träd, RNN, temporära konvolutionella nätverk, transformerbaserade tidsserierJämför modellansatser för akut sepsisriskprognos, från logistisk regression till gradientboostade träd och djupa sekvensmodeller. Framhäver styrkor, begränsningar, tolkbarhet och lämplighet för akutmottagnings tidbegränsningar.
Logistisk regression och regulariseringsvalGradientboostade träd och funktionsviktRekurrenta neurala nätverk för sekvenserTemporära konvolutionella nätverk för tidsserierTransformer för kliniska tidsserie-dataLektion 6Datamodali för realtidsdetektion av sepsis: vitalparametrar, labb, sjuksköterskenoteringar, mediciner, vågformerBeskriver nyckeldataströmmar i realtid på akutmottagning, inklusive vitalparametrar, labbtester, mediciner, sjuksköterskedokumentation och fysiologiska vågformer. Diskuterar provtagningsfrekvenser, tillförlitlighet och hur varje modalitet signalerar utvecklande sepsis.
Vitalparametrar och kontinuerlig övervakningLabbpaneler, odlingar och svarstiderMedicinförskrivningar, vätskor och vasopressorerSjuksköterskenoteringar, triagenoteringar och flödesarkVågformer från monitorer och sängsidesenheterLektion 7Integration med akutmottagningsarbetsflöden och journalsystem: händelseströmmar, FHIR, HL7, SMART on FHIR-appar, CDS HooksBeskriver hur AI-sepsismodeller integreras i akutmottagningsarbetsflöden och journalsystem. Granskar händelseströmmar, HL7, FHIR-resurser, SMART on FHIR-appar och CDS Hooks, med betoning på användbarhet, tillförlitlighet och minimal störning av klinisk praxis.
Händelsestyrda arkitekturer och dataströmmarHL7- och FHIR-resurser för sepsissignalerSMART on FHIR-appar för sängsidesbeslutsstödCDS Hooks för kontextmedvetna rekommendationerArbetsflödeskartläggning och användbarhetstestningLektion 8Design av kliniska varningar och mänskliga faktorer: trösklar, minskning av larmtrötthet, eskalerande arbetsflöden, vem som får varningarTäcker principer för varningsdesign för kliniker på akutmottagning, inklusive tröskelval, trappade varningar och routning till lämpliga roller. Adresserar larmtrötthet, varningstiming, eskaleringvägar och presentation av förklaringar och kontext.
Val av trösklar och varningsnivåerLarmtrötthet och undertryckningsstrategierVem som får varningar och på vilka kanalerEskaleringsarbetsflöden och överlämningsstödFörklaring av varningar och tillhandahållande av kontextLektion 9Regulatoriska och bevisbehov för diagnostisk AI: FDA/CMS-överväganden, design av klinisk valideringsstudie, prospektiva piloter, rapporteringsstandarder (TRIPOD, CONSORT-AI)Skisserar regulatoriska och bevisförväntningar för diagnostisk AI vid sepsis, inklusive FDA-vägar, CMS-överväganden och klinisk validering. Granskar prospektiva piloter och rapporteringsstandarder som TRIPOD och CONSORT-AI.
FDA-vägar för diagnostikstödverktygCMS, ersättning och kvalitetsprogramDesign av robusta kliniska valideringsstudierProspektiva piloter och fasvisa utrullningarTRIPOD- och CONSORT-AI-rapporteringsvägledningLektion 10Utrullningsfrekvens och latensöverväganden: närtidsströmming vs batch-poängsättning, hantering av saknad och fördröjd dataDiskuterar utrullningsarkitekturer för sepsismodeller, jämför närtidsströmming med batch-poängsättning. Adresserar latensbudgetar, hantering av saknad eller fördröjd data, efterfyllning och övervakning av datapipelinehälsa på akutmottagning.
Närtidsströmming vs batch-poängsättningLatensbudgetar och SLA-definitionerImputation för saknad och fördröjd inputEfterfyllning, replay och sent anländande dataÖvervakning av pipelines och systemresiliens
