Başlık: Sepsis Risk Değerlendirmesini İyileştirmek İçin İki Aşamalı Dönüştürücü Model
Öz: Sepsis, enfeksiyona vücudun düzensiz yanıtı nedeniyle yaşamı tehdit eden bir durumdur ve tüm dünyadaki yoğun bakım ünitelerinde ölümün önde gelen nedenlerinden biridir. Tıbbi teknolojideki ilerlemelere rağmen, sepsis sonuçlarını doğru bir şekilde öngörmek hala büyük bir zorluktur. Geleneksel puanlama sistemleri, APACHE-II gibi, genellikle zamanında ve kesin risk değerlendirmeleri sağlamada yetersiz kalır.
Bu çalışmada, araştırmacılar, yoğun bakım ünitesindeki hastaların saatlik ve günlük zaman serileri verilerini işleyen iki aşamalı bir Transformer tabanlı model geliştirdiler. 13.000’den fazla sepsis hastasından elde edilen verilerle eğitilen model, yoğun bakım ünitesine kabulün beşinci gününde 0,92 AUC’lik sağlam bir tahmin performansı gösterdi. Bu iyileşme, modelin uzunlamasına fizyolojik desenleri özümseme yeteneğini yansıtarak, klinisyenlere erken müdahale için güçlü bir araç sunar.
Çalışmada ayrıca, zamanla ölümle ilişkilendirilen özellik dinamiklerini görselleştirmek için SHAP türetilmiş zaman ısı haritalarından yararlanıldı. Bu ısı haritaları, laktat seviyeleri, tidal hacim ve klor seviyeleri gibi ana biyobelirteçleri ortaya çıkardı ve hasta sonuçlarıyla güçlü bir şekilde ilişkili olduğunu gösterdi. Bu görselleştirme, model tahminleri ile klinik olarak yorumlanabilir biyobelirteçler arasındaki boşluğu kapatır ve klinisyenler için değerli içgörüler sunar.
Modelin Çin sepsis verileri ve MIMIC-IV veritabanı da dahil olmak üzere farklı kohortlarda dış doğrulaması, genellenebilirliğini doğruladı. Çin verilerinde %81,8 ve MIMIC-IV’de %76,56 doğruluk oranıyla, model farklı populasyonlar ve sağlık hizmetleri ayarlarında adaptasyon yeteneğini sergiliyor.
Kaynak: Journal reference: Yang, H., et al. (2025). Yoğun bakım ünitesinde sepsis hastalarında günlük risk uyarıları için tahmin modeli: risk göstergelerinin görselleştirilmesi ve klinik analizi. Precision Clinical Medicine. doi.org/10.1093/pcmedi/pbaf003.
