Новая модель машинного обучения выделяет ключевые показатели риска летального исхода при сепсисе

Сепсис — это критическое состояние, которое часто осложняется острой дыхательной недостаточностью (ОДН). В Journal of Intensive Medicine опубликовано исследование, в котором описана модель машинного обучения для прогнозирования риска летального исхода в течение 28 дней у пациентов с сепсисом и ОДН.

Исследование

Для обучения нейросети учёные проанализировали данные из базы MIMIC-IV (версия 3.1), которая содержит сведения о взрослых пациентах отделений реанимации. Чтобы подтвердить универсальность алгоритма, учёные провели внешнюю проверку на другой независимой базе — eICU-CRD (версия 2.0). Это позволило убедиться, что модель эффективно работает в условиях разных клиник.

Изначально эксперты отобрали факторы риска развития осложнений при сепсисе на основе международных протоколов. После исключения взаимозависимых параметров и применения алгоритма Boruta учёные определили 20 ключевых признаков, доступных врачу в первые 24 часа госпитализации. В этот список вошли показатели насыщения крови кислородом (оксигенации), функции внутренних органов, метаболические параметры и общая тяжесть состояния.

Среди семи протестированных алгоритмов лучшие результаты показала модель XGBoost. Она сохраняла высокую точность прогнозирования как на этапе обучения, так и при внешней проверке. Для того чтобы сделать работу алгоритма понятной и прозрачной, учёные применили метод SHAP, который позволил оценить влияние отдельных показателей на прогноз. 

Вывод

Модель XGBoost может служить дополнительным ориентиром для врача при выборе стратегии лечения. Она позволяет точнее прогнозировать исходы и вовремя корректировать тактику ведения пациентов при наиболее тяжёлом течении сепсиса и дыхательной недостаточности.

На CROI 2026 учёные обсудили использование машинного обучения и генеративного ИИ для прогнозирования поведения пациентов с ВИЧ и выявления групп риска. Пилотные проекты показали, что технологии помогают точнее направлять тестирование и поддерживать приверженность терапии.