TREWS voor vroege sepsiswaarschuwing
Een machine-learningmodel waarschuwt ziekenhuisteams wanneer patiëntgegevens op mogelijke sepsis wijzen.
About
Het Targeted Real-time Early Warning System, TREWS, analyseert elektronische patiëntgegevens in ziekenhuizen van Johns Hopkins. Het model zoekt patronen die op sepsis kunnen wijzen en toont een waarschuwing aan het behandelteam. In een prospectieve, observationele studie hing snelle beoordeling van zo'n waarschuwing samen met betere uitkomsten. Dat verband bewijst niet op zichzelf dat het algoritme de oorzaak was, en veel waarschuwingen vragen menselijke controle.
AI factor
Sepsis ontstaat uit een combinatie van veranderingen in vitale waarden, laboratoriumuitslagen en voorgeschiedenis. Machine learning kan die stroom continu volgen en een mogelijk risico markeren; clinici beoordelen de patiënt en beslissen over onderzoek en behandeling.
Sources
Inspiration sourced from AI For Good. Not an Arnaldus customer case.